1.一种基于二维定位和三维姿态解算的地铁阀门状态检测方法，其特征在于，包括以下步骤：

步骤1：地铁巡检小车自动定位到指定位置，通过机械臂上携带的三维工业相机采集待检修的地铁列车阀门部件2D及3D数据；

步骤2：基于深度学习的YOLOV5L目标检测网络对2D图片部件及参照物定位；

S21：加载训练好的YOLOV5L目标检测模型，对2D图片进行目标检测处理；

S22：目标检测模型从2D图片中框选出阀门信息：阀门基座坐标、阀门末端坐标；

S23：将坐标映射到三维点云数据中，获取阀门基座、阀门末端的点云数据，从而过滤无关点云数据，加速模型速度；

步骤3：通过点云RGB中的R通道进一步筛选点云，并拟合出阀门基座质心和阀门末端质心；以阀门基座坐标为基准，解算当前坐标系与模板坐标系的转换矩阵，通过坐标变换，求取出阀门末端在模板坐标系下的坐标；

S31：遍历步骤2中阀门基座与阀门末端点云数据，通过点云RGB信息，精确筛选出属于阀门部件的点云；

S32：利用质心公式对筛选出的点云进行求质心运算，获取一个代表阀门基座和阀门末端空间位置的坐标：

S33：通过首次数据采集，确定在正常状态下阀门基座质心与阀门末端质心坐标和模板坐标系；并以此为基准，对后续采集的数据，以阀门基座质心为参照，通过三维坐标变换，求取阀门末端质心在模板坐标系下的坐标b′(x′2，y′2，z′2)；

步骤4：对阀门姿态解算，根据偏转角度与设定阈值作对比，判断阀门是否处于正常状态；

S41：设在数据库模板坐标系下阀门末端坐标为B(xb，yb，zb)，待测阀门末端质心为b(x2，y2，z2)，坐标转换后阀门末端质心在模板坐标系中坐标为b′(x′2，y′2，z′2)，阀门长度为l：通过空间距离公式计算Bb′的欧式距离：S42：通过反三角函数解算出阀门偏移角度θ1：S43：根据阀门偏转角度θ1，与设定阈值Δθ作对比，判断阀门是否处于正常状态：如果发生异常则发出报警和故障发生具体位置，提示检修人员进行定点维护。

2.根据权利要求1所述的一种基于二维定位和三维姿态解算的地铁阀门状态检测方法，其特征在于，所述设定阈值Δθ取值15°。