铁路运行环境监测是保证列车运行安全、提高铁路运营质量的一项重要手段。相较于传统人工巡检,基于机器视觉的检测技术具有高准确率、高效率、无损伤、实时记录等显著优势。其中基于三维数据的检测技术相较于基于二维数据的检测技术具有更高的可靠性、准确性以及更好的应用前景,目前已成为铁路运行环境监测的重要研究内容。本文从铁路运行环境综合智能巡检系统中的扣件和电力线设施状态检测的需求出发,研究了针对铁路轨道的三维成像技术以及分别针对扣件和电力线的点云分割方法。本文研究工作主要取得以下几点成果:第一,设计并标定了轨道三维线结构光扫描组件。针对综合巡检系统中的大范围轨道3D数据采集任务,选择了结构简单、高精度、非接触的线结构光成像技术作为成像方案,结合机器视觉工程中相机、镜头、激光器等设备的选取原则,搭建了有效扫描长度为1.5m的线扫平台。针对因线扫平台中的相机只能拍摄到被激光线照亮的物体而无法利用常用的平面标定物事先标定出相机内参和镜头畸变,进而无法使用常用的线结构光标定方法来准确标定相机和激光器的相对位置的现实情况,通过结合所使用的相机CMOS的像素为方形像素和像素行列相互垂直的条件,改进了成像过程的数学模型。在此基础上提出了先利用直线目标标定图像畸变,再使用齿形靶标标定图像平面和物体平面之间的单应性矩阵的标定方法。实验表明,标定的重投影误差低于0.1像素,标定后能达到0.5mm的扫描精度,能够满足轨道扫描的应用需求。第二,提出了一种针对轨道扫描点云的Ⅱ型扣件点云分割方法。首先对轨道图像使用基于灰度阈值的十字交叉方法从整张点云中定位出扣件区域;然后针对现有点云分割算法容易对扣件区域中的部件造成欠分割和过分割的问题,提出了基于超体素和图分割的扣件区域分割方法,即先对扣件区域点云生成边界性能良好的超体素过分割,然后使用基于局部邻接图的超体素聚合方法将超体素形成点云分段,最后将存在重叠区域的分段合并形成最终的分割结果。实验结果表明,本文算法相较于现有算法在扣件分割性能和抗噪声性能上都具有一定优势。第三,提出了一种针对铁路场景3D点云的电力线分割方法。该方法具有计算量小、计算时间不随点云规模变化而大幅变化的特点,其可以分为电力线区域定位和电力线检测两个部分。首先,以0.2m的精度构建数字高程模型,通过图像二值化、轮廓查找、凸边界求取和优化来准确定位轨道区域,并根据高程信息进行地面点滤波以获取电力线区域。其次,对电力线区域进行累计概率霍夫变换线段检测以获得多条候选线段,并根据电力线方向分布和邻域点数量的先验知识来剔除误检测后将结果转换回3D点云。最后,将算法重复执行一次以分割出下层电力线。通过对分割结果的定性和定量分析说明了本文方法的快速性和鲁棒性。