最新的列车视觉感知技术联合使用摄像机和激光雷达作为视觉设备,摄像机采集的图像经过深度学习识别来确定轨道位置,激光雷达采集的点云数据通过聚类分析来获得物体的位置,二者结合即可对轨道上是否出现异物做出检测。这种技术完全依靠图像对轨道进行定位,当图像信息失效时,雷达无法判断物体是否在轨道内,列车将失去检测功能。为了补充这一缺陷,本文对激光雷达采集的点云数据进行分析,提出了基点斜率法来提取轨道边界,使系统可以依靠激光雷达采集的数据识别轨道的位置,以提高感知系统的稳定性。研究证明了激光雷达单独识别轨道是可行的,能够提高多传感器融合的列车视觉系统的稳定性和安全性。本文主要研究内容如下:(1)论文分类整理了轨道线路检测方面的技术,发现目前还没有激光雷达单传感器在轨道环境感知应用上的先例,已有的列车环境感知系统不使用激光雷达做轨道识别。(2)对车载激光雷达进行道路检测的数据处理方式进行了详细调研,并分析了铁路区别于道路的结构特征,对如何将道路检测方法与铁路特征结合以实现轨道环境感知功能进行了研究。(3)利用高程分类法,将点云的水平投影网格化,以网格内点的高程最大值进行分类,判断并分割轨道所在位置。(4)利用平滑特征的思想,将点云按距离分层,提出了基点斜率法来进行轨道边界点的提取。根据轨道特征进行边界点筛选,使用最小二乘法拟合成轨道边界线。(5)统计了拟合轨道和实际轨道位置的偏离程度,并指出误差的可能来源。然后验证了在图像信息失效的情况下使用点云能够检测出轨道,降低了环境感知系统的漏报率,证明了使用激光雷达进行轨道识别从而提高列车运行安全的思路是可行的。文内图31幅,表4个,参考文献33篇。