我国铁路运输处在发展的黄金阶段,钢轨的需求量大幅度增加,因此对钢轨质量检测的精度和速度也有更高的要求,目前研究较多的是单一的基于二维图像特征或者仅基于三维点云配准的钢轨表面质量检测方法。但是仅依靠二维图像特征进行缺陷检测容易受油污、氧化等干扰,对一些对比度不明显的缺陷难以识别。三维点云检测可以弥补二维检测的不足但不能检测裂纹等缺陷。本文对基于二维图像信息和三维点云信息的钢轨表面质量检测技术进行研究。根据机器视觉理论和出厂钢轨表面质量检测标准,本文设计了一套二维和三维视觉信息相结合的钢轨表面质量检测设备,该系统可以实现钢轨表面轮廓的三维重建、表面缺陷分割和分类。首先建立光栅式编码结构光三维视觉传感器的几何模型,利用张正友标定法和传统格二值雷码以及交比不变性完成测量模型的标定,求出摄像机机内参和光栅平面方程,利用三角法获得三维坐标。用编码器脉冲同步触发工业相机和投影仪完成二维信息和三维信息的结合,并用BP神经网络对分割出的轧疤、轧痕、夹杂、凹痕四种缺陷进行识别。对于三维点云配准不能分割出的裂纹缺陷,可以根据裂纹的几何特征如面积、长度、周长,对裂纹缺陷进行识别。本文搭建了二维和三维视觉信息结合的钢轨检测实验平台,并对提出的检测算法进行了系统测试。结果表明,本文提出的缺陷识别技术可以精确的识别出钢轨表面存在的轧疤、轧痕、夹杂、凹痕、裂纹五种缺陷。