Con el avance de la tecnología, los vehículos terrestres no tripulados (UGVs) han mostrado un valor de aplicación creciente en diversas tareas, como la entrega de alimentos y la limpieza. Una capacidad clave de los UGVs es la detección de obstáculos, que es esencial para evitar colisiones durante el movimiento. Los métodos actuales más utilizados emplean información de nubes de puntos de sensores a bordo, como la detección y medición de luz (LiDAR) y cámaras de profundidad, para la percepción de obstáculos. Sin embargo, el volumen sustancial de nubes de puntos generadas por estos sensores, junto con la presencia de ruido, plantea desafíos significativos para la detección eficiente de obstáculos. Por lo tanto, este documento presenta un algoritmo de detección de obstáculos rápido diseñado para garantizar la operación segura de los UGVs. Basándose en la fusión de nubes de puntos de múltiples sensores, se propone un algoritmo eficiente de segmentación del suelo basado en el ajuste de múltiples planos y la combinación de planos para evitar que sean considerados como obstáculos. Además, en lugar de agrupar nubes de puntos, se utiliza un método de proyección vertical para contar la distribución de los puntos de obstáculos potenciales mediante la conversión de la nube de puntos a un sistema de coordenadas polares 2D. Los puntos en el área en forma de abanico con una densidad inferior a un cierto umbral se considerarán como ruido. Para verificar la efectividad del algoritmo propuesto, se utiliza un UGV de limpieza equipado con un sensor LiDAR y cuatro cámaras de profundidad para probar el rendimiento de la detección de obstáculos en diversos entornos. Varios experimentos han demostrado la efectividad y la capacidad en tiempo real del algoritmo propuesto. Los resultados experimentales muestran que el algoritmo propuesto logra una tasa de detección superior al 90% dentro de un área de detección de 20 m y tiene un tiempo de procesamiento promedio de solo 14.1 ms por cuadro.