铁路运输是一种高效并且性价比高的陆上运输的一种方式。以两条平行的铁轨引导,它具有综合能耗低、运行速度快、载运量较大、受气候影响较小、准时性和连续性强等优点。目前我国铁路进入了高速发展的阶段,在助推经济发展和方便人们交通出行的同时,对于钢轨的质量和安全也愈加的重视。而钢轨加工单位通常采用特制卡尺等测量轨廓外形尺寸,这种传统的接触式测量中出现了测量精度不高、效率低、可靠性不足、劳动强度大、数据不易保存等问题,因此本文提出一种基于点激光传感器的钢轨轨廓扫描检测技术,对被测钢轨轨廓进行高精度的智能化在线检测。通过需求分析,针对钢轨轨廓的轨头宽、轨底宽以及轨高这三个待测的几何尺寸,本文选用环轨圆周扫描的静态测量方法,即采用电机带动一个点激光传感器沿环形导轨进行360度的数据采集;并设计相应的系统结构,论述了机械、电子、软件等模块,同时文中还给出了该系统的检测流程。本文重点论述了轨廓数据处理功能。根据数据预处理、坐标转换、拟合匹配、误差判断先后步骤,对涉及的各种算法特点进行了比较和分析,建立了一个机器学习的线性函数回归模型。考虑到实际的应用环境,应用岭回归算法对钢轨轨底直线予以拟合,选取钢轨轨头、钢轨轨腰以及钢轨轨底共六点开展旋转平移匹配,从而将采集的原始坐标数据点转换到以被测钢轨为中心的新坐标系下,然后计算钢轨轨廓的轨头宽、轨高和轨底宽,得到较高精度的参数数据。此外,本文介绍了系统使用Python语言编写用户交互界面用于实时显示其图像和检测的结果,界面简洁,操作简单。最后,分析了该检测系统的误差来源,推导其不确定度。借助对60kg/m的自制钢轨的多次测量,计算得到该系统的重复性在10μm-20μm之间,一致性在10μm以内,达到预计目标,能够满足相关生产部门和科研部门对于钢轨轨廓检测的要求。