铁路不仅是国家的基础设施之一,同时其作为全民性的交通工具,也是促使国民经济上升的必要内容之一。而铁路的既有线勘测工程是铁路维护修缮与增设二线的必要步骤之一。以铁路中心线作为控制线的人工静态测量传统方法,存在安全系数较低、受限于铁路运营状态等问题,导致该方法的工作效率较低。而集三维激光扫描、全景相机和惯导定位定姿传感器为一体的移动测量技术是近二十年来在测绘领域逐步发展起来的一项全新技术,该项技术利用了基于GNSS、INS、DMI与IMU等四项内容的导航技术获取了激光扫描移动平台的定位信息和姿态信息,结合平台搭载的三维激光扫描仪、高清相机等设备获取测图场景带地理参考信息的观测数据。相较于传统的人工静态测绘方法,在数据采集效率、数据丰富程度、采集安全性等方面,基于移动测量技术的三维激光扫描移动测绘系统具有无可比拟的优势;在测量精度上,移动测量的精度也随着GNSS、INS、相机、激光扫描仪等硬件和组合导航算法的发展而不断提升。虽然三维激光扫描移动测绘系统解决了铁路场景下三维激光点云数据采集阶段所遇到的一些问题,但是在点云的分类与提取上仍存在不少难题。主要体现在目前现有的三维激光点云分割与提取方法缺少在铁路场景下的应用,且传统的目视判读提取钢轨、道岔、铁路信号灯等特征信息的方式工作效率较低,而且不可避免地出现判读错误的情况。因此,本文提出了基于深度学习的三维激光点云轨道对象语义分割与提取的方法,该方法旨在将深度学习算法应用于铁路轨道对象语义分割与识别,并在此基础上实现轨道线的提取。为了实现该方法,本文主要的研究内容分为以下三个部分:(1)基于深度学习的轨道对象分割分类技术研究。通过了解现有的深度学习算法,研究其运用于铁路场景下轨道对象分割分类的方法;然后,根据研究的成果,对深度学习算法主体进行完善,使其可以更有针对性的应对铁路场景下的三维激光点云处理问题。(2)基于三维激光点云的轨道线提取技术研究。针对已提取的钢轨三维激光点云数据,研究钢轨点云投影算法以及钢轨点云二维横断面与铁路钢轨标准化结构信息的精确匹配算法,进而根据匹配结果计算得出铁路轨道中心点坐标,最后进行连接形成完整的铁路三维轨道线,实现基于三维激光点云的轨道线提取技术。(3)验证铁路点云语义分割与提取方法与精度评估。即对铁路点云语义分割与提取方法进行实验,并对实验结果的精度进行评估,根据评估结果得出铁路点云语义分割与提取方法的实验结论。