研究背景： 在通常情况下，按照车辆检修要求，在日检作业过程中需要检查车身表面状态，在日检周期内需要完成每列车全车关键部件检查。目前上述检查均为人工作业，其中检查主要是通过人目视、听、测试等方式进行。因此，传统的人工作业存在效率低、检查不全面、作业环境差、人为因数等多个问题。因此如何提高车辆检修的效率和质量，是目前亟待解决的一个难题。 技术难点： （1）基于无轨化思路的自动走行和定位机制；； （2）基于提升平台的自转运设计，实现机器人跨地沟运行； （3）基于深度学习技术的图像识别和分析技术； （4）基于平行结构光的三维成相和分析技术； （5）基于自研算法的机器人智能调度算法； 创新性： （1）基于多传感器融合定位的SLAM导航，导航定位精度高。 （2）股道转运切换装置，自动辅助机器人转换股道巡检。 （3）系统采用基于YOLO-V3的深度学习网络进行部件定位，实现走行部关键部件自动识别，针对关键部件进行重点分析与判断，从而实现“抓重点部位、关键点不漏报”，其中关键部件可根据实际需求进行变更。 （4）多机器人群体协同作业、柔性控制。 可推广性： 城轨车辆智能列检机器人系统框架采用模块化、组件化技术设计，系统兼容性强，可适应高低速各型城轨车辆、全自动驾驶车辆的综合检测，可适应高寒、高温、高湿、高海拔等特殊环境应用。系统能够根据业务需要的变化，可与入段线的车辆360°动态图像智能检测系统、轮对受电弓在线检测系统、走行部温度检测系统、滚动轴承声学诊断系统、车辆运行品质在线监测系统共同构建地铁车辆智慧运维系统。随着世界科技的发展，高、精、尖技术的不断应用，图像识别、超声波探伤、振动分析、声学检测等多项技术的结合，最终必然能够实现城轨车辆运行质量全面的自动检测。确保列车安全、稳定、高效的运行，适应轨道交通发展的需要。 经济社会效益: 社会效益： （1）提升作业质量，保障运营安全 （2）提升服务水平 （3）引领行业发展 经济效益： （1）减少车辆检查作业时间 （2）缩减人工成本 （3）优化修程修制工艺 （4）降低安全风险 （5）降低管理成本 （6）提供学习/培训素材