1.一种基于点云匹配的agv局部定位方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于点云匹配的agv局部定位方法，其特征在于：步骤1)所述特征数据根据agv机械结构设计、已知运动状态与传感器硬件参数获取。
3.根据权利要求2所述的基于点云匹配的agv局部定位方法，其特征在于：所述agv机械结构设计提供激光雷达安装位置与agv的相对位置关系，以agv前进方向为x轴正方向，根据右手法则，参数包括二维空间变换量(xl,yl,θl)，xl,yl,θl分别表示全局坐标下机器人当前的x轴坐标，y轴坐标和yaw角度值；已知运动状态参数源于前次运动估计，包括空间变换量(dxt-1,dyt-1,dθt-1)和运动估计数据dxt-1,dyt-1,dθt-1分别代表x轴方向位移量，y轴方向位移量和角度变换量，分别代表x轴方向速度，y轴方向速度和绕z轴的旋转速度，逆时针为正；传感器硬件参数包括激光雷达的增角θinc和视野fov、起始角度、数据规模、扫描频率。
4.根据权利要求1或2所述的基于点云匹配的agv局部定位方法，其特征在于：步骤1)所述预处理过程包括基于速度模型进行去运动畸变和滤波算法去噪声。
5.根据权利要求4所述的基于点云匹配的agv局部定位方法，其特征在于：所述去运动畸变过程具体如下：基于速度模型，通过速度模型计算每一个数据点扫描时间间隔的激光雷达的空间运动，对数据进行矫正；依据运动参数和数据点对应的时间间隔，获取变换量并以旋转矩阵ri和平移矩阵ti表示，计算公式如下：
6.根据权利要求4所述的基于点云匹配的agv局部定位方法，其特征在于：所述滤波算法去噪声过程具体如下：使用体素滤波去噪，对数据点所在矩形区域划分栅格，不同栅格内数据点的数量与位置不同，通过计算每个栅格的质心拟合出新的数据点，减少原始数据测量噪声的影响。
7.根据权利要求1所述的基于点云匹配的agv局部定位方法，其特征在于：步骤2)所述运动估计过程具体如下：
8.根据权利要求7所述的基于点云匹配的agv局部定位方法，其特征在于：步骤2.11)中所述数据空间坐标系公式表达如下：
9.根据权利要求7所述的基于点云匹配的agv局部定位方法，其特征在于：步骤2.2)中构建误差函数获得运动估计具体过程如下：计算匹配的点集中每对数据点的欧式距离，构建最小二乘函数如下：
10.根据权利要求1所述的基于点云匹配的agv局部定位方法，其特征在于：步骤3)所述估计失效过程，完成判断后使用低通滤波对本次估计和前次估计ξt-1进行整定，输出最终结果ξt和(dxt,dyt,dθt)，完成本次估计。