1.一种基于三维点云的地铁闸瓦故障检测方法，其特征在于，包括以下步骤：步骤1：智能小车自动定位到指定位置，依靠机械臂上的三维工业相机采集待检修的地铁车底的闸瓦部件数据；

步骤2：点云预处理：下采样处理点云，控制点云数量；下采样后，计算质心，遍历每个点并计算与质心的距离，过滤掉不属于主成分的点云；

步骤3：基于深度学习的pointCNN点云分割网络分割闸瓦，并且判断是否有闸瓦缺失：S31：加载训练好的点云分割模型，对上个步骤处理过的点云作为输入进行分割处理；

S32：分割好的点云标签分为两类，一类是闸瓦目标，一类是属于其他部件的点云；统计属于闸瓦标签的点云数量n占据点云总数N的百分比k，即：若k过低趋近于0，判断为发生了闸瓦缺失的故障，即：闸瓦缺失需要向工作人员报警；

步骤4：点云处理，并且评价闸瓦的磨损状态：S41：使用随机采样一致性算法拟合最优平面；

S42：输入属于最优平面的点进行上采样；

S43：重采样；

S44：贪心三角化投影算法对有向点云进行三角化；

S45：计算三维世界坐标系中每个三角面的面积，统计所有三角面的面积：设一个三角面，构成三角面的三个点云顶点三维坐标为 ， ，，利用空间距离公式计算出三角形三条边ab、ac、bc长度：半周长p为：

通过海伦公式求出这个三角面的面积SΔ：整个闸瓦重建曲面由m个这样的三角面组成，统计所有三角面的面积Si的总和：就是所求的闸瓦重建曲面的总面积S；

S46：已知闸瓦是个均匀的圆弧状物体，通过微积分建立厚度与弧长和表面积的数学关系；已知弧长为L，上式求得总面积为S，关于厚度D的关系式为：S47：将计算出的闸瓦厚度与阈值数据比较，判断闸瓦磨损状态；

判断检测结果D的数据处于哪个区间内，闸瓦的检测厚度如果正常就将检测数据上传到数据库，如果异常就报警提醒检修人员进行复查。