1.一种基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，包括：步骤一，通过搭载二维激光雷达的巡检机器人构建巡检用二维栅格地图；

步骤二，通过搭载三维激光雷达的巡检机器人，结合惯性测量单元IMU构建巡检用三维点云地图；

步骤三，巡检机器人建立栅格地图与三维点云地图间的坐标位置关系，将二维栅格地图匹配至三维点云地图中；

步骤四，巡检机器人利用事先训练好的被巡检目标网络模型参数，对三维点云地图中的目标进行识别，获得目标的位置、大小；

步骤五，巡检机器人设定巡检点与被巡检目标点之间的距离阈值，根据阈值大小自动设定机器人的巡检点坐标位置点，并计算出机器人云台对应的水平和俯仰转动角度，以及当前相机的倍率；

步骤六，巡检机器人将各巡检点的坐标位置点以及与该巡检点中云台对应的水平和俯仰转动角度、相机倍率一一对应并导入数据库，构建被巡检目标定位相关参数配置的巡检列表。

2.如权利要求1所述的基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，在步骤一中，巡检机器人是利用gmapping算法对待巡检区域构建构建巡检用的二维栅格地图。

3.如权利要求1所述的基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，在步骤二中，三维点云地图构建方法被配置为包括：S21、巡检机器人将三维激光雷达传感器输出的每帧点云数据作为输入；

S22、巡检机器人对输入的点云数据按线分类，通过对各线扫描的点云数据进行曲率判断，提取出边缘点和平面点作为点云数据的特征点；

S23、巡检机器人通过IMU进行位姿预测，并基于此推断出下一个时间节点激光雷达的位姿，完成对激光雷达的运动估计；

S24、根据特征点建立相邻点云数据之间的关联，结合前后帧的运动估计与点云的关联关系，将前后帧的点云进行拼接，生成三维点云地图。

4.如权利要求1所述的基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，在步骤三中，将二维栅格地图匹配至三维点云地图中的坐标变换公式为：X3D＝R2D→3DX2D+T2D→3D

R2D→3D＝RXRYRZ

其中，X3D表示三维点云地图的坐标系，X2D表示二维栅格地图的坐标系，R2D→3D表示坐标变换的旋转矩阵，T2D→3D表示坐标变换的平移矩阵。

5.如权利要求1所述的基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，在步骤四中，所述目标的位置、大小获取步骤被配置为包括：S41、将输入作为全部点云数据的集合，表示为一个n×3的张量，其中n代表点云数量，3对应xyz坐标；

S42、通过多次多层感知机mlp对各点云数据进行局部特征提取，在局部特征的各个维度上执行最大池化操作，进而得到最终的全局特征；

S43、将全局特征和各点云的局部特征进行串联，再通过mlp得到与每个点云数据相对应的多个分类，且每个分类中均包含该点云数据中心点的位置、大小。

6.如权利要求5所述的基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，在S41中，将输入的数据先通过和一个T-Net学习到的转换矩阵相乘来对齐，以保证了模型在特定空间转换的不变性；

在S42中，在特征提取后，再用一个T-Net对特征进行对齐。

7.如权利要求1所述的基于三维激光雷达的巡检机器人目标定位配置方法，其特征在于，在步骤五中，S51、设定距离阈值为R，中心点位置T在O-XYZ中的坐标为(x’，y’，z’)；

S52、基于Ro→robot、To→robot，Rrobot→ptz、Trobot→ptz计算出T在云台坐标系Optz-XptzYptzZptz下的坐标(x，y，z)，机器人坐标系原点Orobot在O-XYZ坐标中的坐标位置点(xr’，yr’，zr’)；

S53、T投影到Optz-XptzYptzZptz坐标系下OptzXptzYptz平面点Txy，应云台的俯仰转动角度α和水平转动角度β基于以一公式得到：S54、根据相机成像原理，被摄物体在CCD靶面上成像宽度W为预设目标占图像总宽度的

2/3，即 则相机倍率f的计算公式为：

其中，w′为CCD靶面成像最大宽度，L为T到Optz-XptzYptzZptz坐标系原点的距离。