一种列车车底的精准定位方法与流程

1.本发明涉及数据处理领域，具体涉及一种列车车底的精准定位方法。

背景技术：

2.近年来，随着我国轨道交通行业的快速发展，列车的运行安全愈发受到重视，而列车车底的检修是保证列车安全运行的关键所在。当前常用的检修方式是人工检修，检修人员通过目视的方式一一排查车底是否发生异常，该方法效率低，人力成本高，且容易发生漏检而造成列车运行风险。针对列车车底人工巡检局限性大、缺乏智能检修设备辅助作业等问题，基于智能机器人、图像处理、深度学习及模式识别等技术，实现车底可视关键部件进行故障检测，达到车底巡检智能化目的，提升检修的效率。上述所有的智能化工作得前提是需要对列车车底精确定位。

技术实现要素：

3.本技术的目的在于提供一种列车车底的精准定位方法，实现了列车车底的定位，辅助人工智能进行检修，从而解决了人工检修效率低的问题。
4.本发明通过下述技术方案实现：
5.一种列车车底的精准定位方法，包括：
6.控制agv小车在列车车底按车头至车尾的方向直线行驶，并采集数据，得到传感数据；
7.基于所述传感数据，对列车车轮的轮毂中心进行定位，得到轮毂中心定位结果；
8.基于所述传感数据，拟合列车车轴的圆心，得到车轴圆心定位结果，所述轮毂中心定位结果中的轮毂中心与车轴圆心定位结果中的圆心一一对应；
9.将所述轮毂中心定位结果与车轴圆心定位结果进行匹配，获取车底定位结果。
10.在一种可能的实施方式中，所述传感数据包括agv小车从车头行至车尾的过程中，在连续时间点上所采集的惯性导航数据、3d激光雷达数据、第一激光测距数据以及第二激光测距数据；
11.所述第一激光测距数据为设置于agv小车上的第一激光测距仪所测量的数据，所述第二激光测距数据为设置于agv小车上的第二激光测距仪所测量的数据；所述第一激光测距仪的测量方向水平，且第一激光测距仪测量到轮毂时，第一激光测距仪的测量方向垂直于轮毂；所述第二激光测距仪的测量方向竖直，且第二激光测距仪测量到车轴时，第二激光测距仪的测量方向垂直于车轴轴线。
12.在一种可能的实施方式中，基于所述传感数据，对列车车轮的轮毂中心进行定位，得到轮毂中心定位结果，包括：
13.根据所述惯性导航数据以及3d激光雷达数据，获取在连续时间点上的里程计数据；
14.将里程计数据以及第一激光测距数据进行时间同步，得到连续时间点对应的里程
计数据以及第一激光测距数据；
15.对所述第一激光测距数据进行滤波，得到滤波后的第一激光测距数据；
16.根据所述里程计数据以及滤波后的第一激光测距数据，确定列车车轮的轮毂中心，得到轮毂中心定位结果。
17.在一种可能的实施方式中，根据所述惯性导航数据以及3d激光雷达数据，获取在连续时间点上的里程计数据，包括：
18.根据所述惯性导航数据在笛卡尔坐标系下的坐标以及3d激光雷达数据在笛卡尔坐标系下的坐标，并根据两个坐标更新扩展卡尔曼滤波器，得到融合后的里程计数据；
19.遍历所有时间点上的惯性导航数据以及3d激光雷达数据，得到在连续时间点上的里程计数据。
20.在一种可能的实施方式中，对所述第一激光测距数据进行滤波，得到滤波后的第一激光测距数据，包括：
21.在所有第一激光测距数据中确定目标第一激光测距数据；当多个连续时间点对应的第一激光测距数据未产生变化时，则将该多个连续时间点对应的第一激光测距数据作为目标第一激光测距数据；
22.确定目标第一激光测距数据对应目标时间段所对应的里程计数据，所述目标时间段表示目标第一激光测距数据对应的多个连续时间点；
23.判断目标时间段所对应的里程计数据是否小于预先设定的轮毂扫描线宽度，若是，则将目标第一激光测距数据滤除，否则将目标第一激光测距保留；
24.遍历所有第一激光测距数据，得到初步滤波的第一激光测距数据；
25.将初步滤波的第一激光测距数据中不位于第一距离阈值区间r内的数据滤除，得到滤波后的第一激光测距数据。
26.在一种可能的实施方式中，根据所述里程计数据以及滤波后的第一激光测距数据，确定列车车轮的轮毂中心，得到轮毂中心定位结果，包括：
27.根据滤波后的第一激光测距数据，确定每个轮毂对应的第一激光测距数据；
28.根据每个轮毂对应的第一激光测距数据，确定第一激光测距仪开始扫描到轮毂时对应的第一激光测距数据tof1_d_begin以及最后扫描到轮毂时对应的第一激光测距数据tof1_d_end；
29.确定第一激光测距数据tof1_d_begin对应的里程计数据pose(tof1_d_begin)以及第一激光测距数据tof1_d_end对应的里程计数据pose(tof1_d_end)；
30.根据里程计数据pose(tof1_d_begin)以及里程计数据pose(tof1_d_end)，确定列车车轮的轮毂中心pose_wheel_center为：pose_wheel_center＝(pose(tof1_d_end)-pose(tof1_d_begin))/2，得到车轴圆心定位结果。
31.在一种可能的实施方式中，基于所述传感数据，拟合列车车轴的圆心，得到车轴圆心定位结果，包括：
32.对第二激光测距数据进行滤波，得到滤波后的第二激光测距数据；
33.根据所述滤波后的第二激光测距数据，拟合列车车轴的圆心，得到车轴圆心定位结果。
34.在一种可能的实施方式中，对第二激光测距数据进行滤波，得到滤波后的第二激
光测距数据，包括：将不在第二阈值区间d中的第二激光测距数据滤除，得到滤波后的第二激光测距数据。
35.在一种可能的实施方式中，根据所述滤波后的第二激光测距数据，拟合列车车轴的圆心，得到车轴圆心定位结果，包括：
36.a、将里程计数据以及第二激光测距数据进行时间同步，得到连续时间点对应的里程计数据以及第二激光测距数据；
37.b、将同一时间点对应的里程计数据以及第二激光测距数据，组成数据对(posei,tof2i)，其中posei表示时间点i对应的里程计数据，tof2i表示时间点i对应的第二激光测距数据，i＝1,2,
…
,i，i表示时间点总数；
38.c、设置计数器t1＝1以及计数器t2＝1；
39.d、取第t1至t1+2个时间点对应的三个数据对，并根据取出的数据对拟合圆心；
40.e、令t1的计数值增加3+t2，并令t2的计数值加一；
41.f、取第t1至t1+2个时间点对应的三个数据对，并根据取出的数据对拟合圆心；
42.g、重复步骤e-步骤f，直至遍历所有数据对，得到多个拟合的圆心，每个所述圆心对应一个半径；
43.h、将半径不符合车轴半径的圆心去除，得到车轴圆心定位结果。
44.在一种可能的实施方式中，将所述轮毂中心定位结果与车轴圆心定位结果进行匹配，获取车底定位结果，包括：
45.沿轮毂中心以及轮毂中心对应的车轴圆心向同一水平面作两条垂线，得到两条垂线与该水平面的交点；
46.判断两个交点之间的距离是否大于设定的阈值，若是，则仅以轮毂中心作为车底定位结果，否则以轮毂中心以及车轴圆心共同作为车底定位结果。
47.本技术提供的一种列车车底的精准定位方法，通过agv小车采集传感数据，并根据传感数据对车轮轮毂以及车轴圆心进行解析，最后将车轮轮毂以及车轴圆心进行匹配，从而实现列车底部车轮以及车轴的定位，可以辅助人工智能进行检修，从而解决了人工检修效率低的问题。
附图说明
48.为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：
49.图1为本技术实施例提供的一种列车车底的精准定位方法的流程图。
50.图2为本技术实施例提供的agv小车搭载传感器的示意图。
51.图3为本技术实施例提供的列车轮毂中心之间的距离示意图。
52.图4为本技术实施例提供的轮毂中心与车轴轴心之间的距离对比示意图。
53.其中，1-惯性导航测量模块、2-第一3d激光雷达、3-第二3d激光雷达、4-第一激光测距仪、5-第二激光测距仪。
具体实施方式
54.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
55.实施例
56.如图1所示，本技术实施例提供一种列车车底的精准定位方法，包括：
57.s1、控制agv小车在列车车底按车头至车尾的方向直线行驶，并采集数据，得到传感数据。
58.如图2所示，agv小车上可以搭载惯性导航测量模块1、第一3d激光雷达2、第二3d激光雷达3、第一激光测距仪4以及第二激光测距仪5。通过惯性导航测量模块1、第一3d激光雷达2、第二3d激光雷达3、第一激光测距仪4以及第二激光测距仪5即可以采集传感数据。值得说明的是，第一激光测距仪4正对车轮轮毂方向，即测量方向平行于车轴轴线，第二激光测距仪5正对车轴方向，即测量方向垂直于车轴轴线。
59.s2、基于传感数据，对列车车轮的轮毂中心进行定位，得到轮毂中心定位结果。
60.在agv小车行驶过程中，第一激光测距仪4的测量数据会不断变化，当第一激光测距仪4正对轮毂时，数据不再变化，或者变化在阈值范围内时，则可以认定此时扫描到了车轮轮毂。因此可以根据数据不再变化或者变化在阈值范围内的距离数据对应的时间段，确定该时间段内的里程计数据，从而确定第一激光测距仪4扫描轮毂的宽度，该宽度的中心位置，即可以认定为轮毂中心定位结果。
61.s3、基于传感数据，拟合列车车轴的圆心，得到车轴圆心定位结果，轮毂中心定位结果中的轮毂中心与车轴圆心定位结果中的圆心一一对应。
62.当agv小车行驶过程中，第二激光测距仪5实时测量数据以及产生对应的里程计数据，因此可以将第二激光测距仪5测量的数据以及里程计数据构成若干数据点，然后从数据点中取三点拟合圆心，同时确定半径，将对应半径与车轴半径相同的圆心作为车轴圆心定位结果。
63.s4、将轮毂中心定位结果与车轴圆心定位结果进行匹配，获取车底定位结果。
64.在一种可能的实施方式中，传感数据包括agv小车从车头行至车尾的过程中，在连续时间点上所采集的惯性导航数据、3d激光雷达数据、第一激光测距数据以及第二激光测距数据。
65.将搭载多个传感器的agv小车在沟底低速(≤0.5m/s)从列车车头行驶至列车车尾，以大于50hz的频率采集agv小车在列车车底的位姿数据，位姿数据为惯性导航和3d激光雷达，可以根据惯性导航和3d激光雷达获取里程计数据，并记作pose。以同样的频率采集第一激光测距仪4以及第二激光测距仪5的数据，分别记作tof1和tof2；并将位姿数据和激光测距仪的数据进行时间戳的同步，从而得到传感数据
66.第一激光测距数据为设置于agv小车上的第一激光测距仪所测量的数据，第二激光测距数据为设置于agv小车上的第二激光测距仪所测量的数据。第一激光测距仪的测量方向水平，且第一激光测距仪测量到轮毂时，第一激光测距仪的测量方向垂直于轮毂。第二激光测距仪的测量方向竖直，且第二激光测距仪测量到车轴时，第二激光测距仪的测量方向垂直于车轴轴线。
67.在一种可能的实施方式中，基于传感数据，对列车车轮的轮毂中心进行定位，得到轮毂中心定位结果，包括：
68.根据惯性导航数据以及3d激光雷达数据，获取在连续时间点上的里程计数据。
69.将里程计数据以及第一激光测距数据进行时间同步，得到连续时间点对应的里程计数据以及第一激光测距数据。
70.对第一激光测距数据进行滤波，得到滤波后的第一激光测距数据。
71.根据里程计数据以及滤波后的第一激光测距数据，确定列车车轮的轮毂中心，得到轮毂中心定位结果。
72.在一种可能的实施方式中，根据惯性导航数据以及3d激光雷达数据，获取在连续时间点上的里程计数据，包括：
73.根据惯性导航数据在笛卡尔坐标系下的坐标以及3d激光雷达数据在笛卡尔坐标系下的坐标，并根据两个坐标更新扩展卡尔曼滤波器，得到融合后的里程计数据。
74.遍历所有时间点上的惯性导航数据以及3d激光雷达数据，得到在连续时间点上的里程计数据。
75.在本实施例中，可以仅用一个3d激光雷达采集的3d激光雷达数据获取里程计数据。
76.在一种可能的实施方式中，对第一激光测距数据进行滤波，得到滤波后的第一激光测距数据，包括：
77.在所有第一激光测距数据中确定目标第一激光测距数据。当多个连续时间点对应的第一激光测距数据未产生变化时(也可以是波动在一定范围内的数据，例如，测距数据为scm、s+1cm、s+0.7cm以及s-0.7cm时，则可以认定此时正在扫描某个可能是轮毂或者遮挡物的物体)，则将该多个连续时间点对应的第一激光测距数据作为目标第一激光测距数据。
78.确定目标第一激光测距数据对应目标时间段所对应的里程计数据，目标时间段表示目标第一激光测距数据对应的多个连续时间点。
79.判断目标时间段所对应的里程计数据是否小于预先设定的轮毂扫描线宽度，若是，则将目标第一激光测距数据滤除，否则将目标第一激光测距保留。
80.遍历所有第一激光测距数据，得到初步滤波的第一激光测距数据。
81.将初步滤波的第一激光测距数据中不位于第一距离阈值区间r内的数据滤除，得到滤波后的第一激光测距数据。
82.在agv小车行驶过程中，可能扫描到的非轮毂部分，比如粗线缆或者小金属快等，因此可以设定轮毂扫描线宽度，确定扫描的物体宽度小于轮毂扫描线宽度时，则可以将该物体过滤。并且agv小车为直线行驶，因此其扫描到的轮毂距离时在一定范围值内的，也就是说非轮毂的扫描物体对应的距离数据是位于范围值外的，因此可以设置第一距离阈值区间r，当第一激光测距数据超出第一距离阈值区间r时，则可以滤除。值得说明的是，滤除可以是将时间点上的第一激光测距数据置零。
83.在一种可能的实施方式中，根据里程计数据以及滤波后的第一激光测距数据，确定列车车轮的轮毂中心，得到轮毂中心定位结果，包括：
84.根据滤波后的第一激光测距数据，确定每个轮毂对应的第一激光测距数据，当某个时间段内的第一激光测距数据均在一定范围内，则可以判定该时间段内的第一激光测距
数据为同一轮毂的数据，时间段由多个连续时间点组成。
85.根据每个轮毂对应的第一激光测距数据，确定第一激光测距仪开始扫描到轮毂时对应的第一激光测距数据tof1_d_begin以及最后扫描到轮毂时对应的第一激光测距数据tof1_d_end。
86.确定第一激光测距数据tof1_d_begin对应的里程计数据pose(tof1_d_begin)以及第一激光测距数据tof1_d_end对应的里程计数据pose(tof1_d_end)。
87.根据里程计数据pose(tof1_d_begin)以及里程计数据pose(tof1_d_end)，确定列车车轮的轮毂中心pose_wheel_center为：pose_wheel_center＝(pose(tof1_d_end)-pose(tof1_d_begin))/2，得到车轴圆心定位结果。
88.在一种可能的实施方式中，基于传感数据，拟合列车车轴的圆心，得到车轴圆心定位结果，包括：
89.对第二激光测距数据进行滤波，得到滤波后的第二激光测距数据。
90.根据滤波后的第二激光测距数据，拟合列车车轴的圆心，得到车轴圆心定位结果。
91.在一种可能的实施方式中，对第二激光测距数据进行滤波，得到滤波后的第二激光测距数据，包括：将不在第二阈值区间d中的第二激光测距数据滤除，得到滤波后的第二激光测距数据。
92.在一种可能的实施方式中，根据滤波后的第二激光测距数据，拟合列车车轴的圆心，得到车轴圆心定位结果，包括：
93.a、将里程计数据以及第二激光测距数据进行时间同步，得到连续时间点对应的里程计数据以及第二激光测距数据。
94.b、将同一时间点对应的里程计数据以及第二激光测距数据，组成数据对(posei,tof2i)，其中posei表示时间点i对应的里程计数据，tof2i表示时间点i对应的第二激光测距数据，i＝1,2,
…
,i，i表示时间点总数。
95.c、设置计数器t1＝1以及计数器t2＝1。
96.d、取第t1至t1+2个时间点对应的三个数据对，并根据取出的数据对拟合圆心。
97.e、令t1的计数值增加3+t2，并令t2的计数值加一。
98.f、取第t1至t1+2个时间点对应的三个数据对，并根据取出的数据对拟合圆心。
99.g、重复步骤e-步骤f，直至遍历所有数据对，得到多个拟合的圆心，每个圆心对应一个半径。
100.h、将半径不符合车轴半径的圆心去除，得到车轴圆心定位结果。
101.可选的，可以采用以下方法拟合圆心：取出的三个数据对，实际上是同一个平面中的三个点，因此可以求取三个点的外接圆，即可以得到车轴的截面圆，该截面圆的圆心则是车轴的圆心。
102.通过对非车轴的数据进行滤除，使取出的数据对在车轴的表面，通过这些点获取的圆心就是车轴的圆心。但是在实际滤除过程中，还是存在一些杂散，因此求取圆心后，将每个圆心对应的半径与设定的车轴半径进行比较，并将对应半径不符合车轴半径的圆心滤除。考虑实际操作中，可能存在一些误差，也可以将对应的半径与设定的车轴半径之间的差值大于一定阈值的圆心滤除。
103.在一种可能的实施方式中，将轮毂中心定位结果与车轴圆心定位结果进行匹配，
获取车底定位结果，包括：
104.沿轮毂中心以及轮毂中心对应的车轴圆心向同一水平面作两条垂线，得到两条垂线与该水平面的交点。
105.判断两个交点之间的距离是否大于设定的阈值(如2cm)，若是，则仅以轮毂中心作为车底定位结果，否则以轮毂中心以及车轴圆心共同作为车底定位结果。
106.如图3所示，记录列车图纸提供的记录列车车轴半径长度；记录每节车厢中4对轮毂间的固定距离，分别为2.5米，13.2米，2.5米；记录每节车厢连接处前后轮毂对之间的距离4.6米，由于车厢连接处不是刚性连接，故记录为4.6
±
0.5m。因此在得到车轴圆心定位结果以及轮毂中心定位结果后，即使同一车轮的轮毂与车轴圆心之间存在距离，也不会太大，可以认定一定范围内的轮毂中心和圆心属于同一对车轮。例如：当agv小车从车头出发时，以达到的第一个轮毂中心为起点，该轮毂中心到达下一个轮毂中心的距离为2.5米，那么就可以认定在行驶里程到达2.0-3.0m之间的轮毂中心和圆心属于同一对车轮。达到的第二个轮毂中心距离为18.2m，可以认定在行驶里程到达17.7-18.7m之间的轮毂中心和圆心属于同一对车轮，依次类推。值得说明的是，此处的范围可以根据实际需求设置，即2.0-3.0m以及17.7-18.7m等范围可以修改其他数值。
107.如图4所示，当轮毂中心与车轴轴心所在的两条平行直线之间的距离较大时，则同心度交差，需要滤除车轴轴心。当当轮毂中心与车轴轴心所在的两条平行直线之间的距离较小时，则同心度较好，以轮毂中心以及车轴圆心共同作为车底定位结果。
108.本技术提供的一种列车车底的精准定位方法，通过agv小车采集传感数据，并根据传感数据对车轮轮毂以及车轴圆心进行解析，最后将车轮轮毂以及车轴圆心进行匹配，从而实现列车底部车轮以及车轴的定位，可以辅助人工智能进行检修，从而解决了人工检修效率低的问题。
109.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种列车车底的精准定位方法，其特征在于，包括：控制agv小车在列车车底按车头至车尾的方向直线行驶，并采集数据，得到传感数据；基于所述传感数据，对列车车轮的轮毂中心进行定位，得到轮毂中心定位结果；基于所述传感数据，拟合列车车轴的圆心，得到车轴圆心定位结果，所述轮毂中心定位结果中的轮毂中心与车轴圆心定位结果中的圆心一一对应；将所述轮毂中心定位结果与车轴圆心定位结果进行匹配，获取车底定位结果。2.根据权利要求1所述的列车车底的精准定位方法，其特征在于，所述传感数据包括agv小车从车头行至车尾的过程中，在连续时间点上所采集的惯性导航数据、3d激光雷达数据、第一激光测距数据以及第二激光测距数据；所述第一激光测距数据为设置于agv小车上的第一激光测距仪所测量的数据，所述第二激光测距数据为设置于agv小车上的第二激光测距仪所测量的数据；所述第一激光测距仪的测量方向水平，且第一激光测距仪测量到轮毂时，第一激光测距仪的测量方向垂直于轮毂；所述第二激光测距仪的测量方向竖直，且第二激光测距仪测量到车轴时，第二激光测距仪的测量方向垂直于车轴轴线。3.根据权利要求2所述的列车车底的精准定位方法，其特征在于，基于所述传感数据，对列车车轮的轮毂中心进行定位，得到轮毂中心定位结果，包括：根据所述惯性导航数据以及3d激光雷达数据，获取在连续时间点上的里程计数据；将里程计数据以及第一激光测距数据进行时间同步，得到连续时间点对应的里程计数据以及第一激光测距数据；对所述第一激光测距数据进行滤波，得到滤波后的第一激光测距数据；根据所述里程计数据以及滤波后的第一激光测距数据，确定列车车轮的轮毂中心，得到轮毂中心定位结果。4.根据权利要求3所述的列车车底的精准定位方法，其特征在于，根据所述惯性导航数据以及3d激光雷达数据，获取在连续时间点上的里程计数据，包括：根据所述惯性导航数据在笛卡尔坐标系下的坐标以及3d激光雷达数据在笛卡尔坐标系下的坐标，并根据两个坐标更新扩展卡尔曼滤波器，得到融合后的里程计数据；遍历所有时间点上的惯性导航数据以及3d激光雷达数据，得到在连续时间点上的里程计数据。5.根据权利要求3所述的列车车底的精准定位方法，其特征在于，对所述第一激光测距数据进行滤波，得到滤波后的第一激光测距数据，包括：在所有第一激光测距数据中确定目标第一激光测距数据；当多个连续时间点对应的第一激光测距数据未产生变化时，则将该多个连续时间点对应的第一激光测距数据作为目标第一激光测距数据；确定目标第一激光测距数据对应目标时间段所对应的里程计数据，所述目标时间段表示目标第一激光测距数据对应的多个连续时间点；判断目标时间段所对应的里程计数据是否小于预先设定的轮毂扫描线宽度，若是，则将目标第一激光测距数据滤除，否则将目标第一激光测距保留；遍历所有第一激光测距数据，得到初步滤波的第一激光测距数据；将初步滤波的第一激光测距数据中不位于第一距离阈值区间r内的数据滤除，得到滤
波后的第一激光测距数据。6.根据权利要求3所述的列车车底的精准定位方法，其特征在于，根据所述里程计数据以及滤波后的第一激光测距数据，确定列车车轮的轮毂中心，得到轮毂中心定位结果，包括：根据滤波后的第一激光测距数据，确定每个轮毂对应的第一激光测距数据；根据每个轮毂对应的第一激光测距数据，确定第一激光测距仪开始扫描到轮毂时对应的第一激光测距数据tof1_d_begin以及最后扫描到轮毂时对应的第一激光测距数据tof1_d_end；确定第一激光测距数据tof1_d_begin对应的里程计数据pose(tof1_d_begin)以及第一激光测距数据tof1_d_end对应的里程计数据pose(tof1_d_end)；根据里程计数据pose(tof1_d_begin)以及里程计数据pose(tof1_d_end)，确定列车车轮的轮毂中心pose_wheel_center为：pose_wheel_center＝(pose(tof1_d_end)-pose(tof1_d_begin))/2，得到车轴圆心定位结果。7.根据权利要求6所述的列车车底的精准定位方法，其特征在于，基于所述传感数据，拟合列车车轴的圆心，得到车轴圆心定位结果，包括：对第二激光测距数据进行滤波，得到滤波后的第二激光测距数据；根据所述滤波后的第二激光测距数据，拟合列车车轴的圆心，得到车轴圆心定位结果。8.根据权利要求7所述的列车车底的精准定位方法，其特征在于，对第二激光测距数据进行滤波，得到滤波后的第二激光测距数据，包括：将不在第二阈值区间d中的第二激光测距数据滤除，得到滤波后的第二激光测距数据。9.根据权利要求7所述的列车车底的精准定位方法，其特征在于，根据所述滤波后的第二激光测距数据，拟合列车车轴的圆心，得到车轴圆心定位结果，包括：a、将里程计数据以及第二激光测距数据进行时间同步，得到连续时间点对应的里程计数据以及第二激光测距数据；b、将同一时间点对应的里程计数据以及第二激光测距数据，组成数据对(pose
i
,tof2
i
)，其中pose
i
表示时间点i对应的里程计数据，tof2
i
表示时间点i对应的第二激光测距数据，i＝1,2,
…
,i，i表示时间点总数；c、设置计数器t1＝1以及计数器t2＝1；d、取第t1至t1+2个时间点对应的三个数据对，并根据取出的数据对拟合圆心；e、令t1的计数值增加3+t2，并令t2的计数值加一；f、取第t1至t1+2个时间点对应的三个数据对，并根据取出的数据对拟合圆心；g、重复步骤e-步骤f，直至遍历所有数据对，得到多个拟合的圆心，每个所述圆心对应一个半径；h、将半径不符合车轴半径的圆心去除，得到车轴圆心定位结果。10.根据权利要求9所述的列车车底的精准定位方法，其特征在于，将所述轮毂中心定位结果与车轴圆心定位结果进行匹配，获取车底定位结果，包括：沿轮毂中心以及轮毂中心对应的车轴圆心向同一水平面作两条垂线，得到两条垂线与该水平面的交点；判断两个交点之间的距离是否大于设定的阈值，若是，则仅以轮毂中心作为车底定位
结果，否则以轮毂中心以及车轴圆心共同作为车底定位结果。

技术总结

本发明公开了一种列车车底的精准定位方法，通过AGV小车采集传感数据，并根据传感数据对车轮轮毂以及车轴圆心进行解析，最后将车轮轮毂以及车轴圆心进行匹配，从而实现列车底部车轮以及车轴的定位，可以辅助人工智能进行检修，从而解决了人工检修效率低的问题。从而解决了人工检修效率低的问题。从而解决了人工检修效率低的问题。