接触网和牵引变电所共同组成电气化铁道供电系统,接触网工作于沿线恶劣和复杂环境下,会导致故障频发,针对接触网状态的检测就显得至关重要。在接触网系统中,腕臂和定位装置的作用至关重要,主要为承力索和接触线提供支持和定位作用。接触网在自然环境中还会受到多种环境因素的影响,这些因素以动载荷的形式传递到腕臂和定位装置上,对接触网的稳定性存在一定威胁。因此,腕臂和定位装置的结构性能会影响列车运行时的受流质量和安全。作为负责固定、支撑的腕臂系统,如果支撑结构失效,将导致接触网系统性能下降甚至造成故障。所以需要对接触网腕臂系统(Cantilever Structure of Catenary System,CSCS)几何参数进行定期检测、维护,保证其处于良好的支撑状态。本文利用接触网腕臂系统三维点云数据,对腕臂系统相关参数进行非接触式检测,并通过现场实际数据与计算机仿真计算结果进行对比验证该方法的有效性与准确性。检测之前,本文对比分析了几种深度数据采集基本原理,由于深度相机获取的点云数据点少、点密度影响对象的固有特征,为了形成更密集、特征显著的点云,分析研究了多帧三维点云数据的配准方法。对比了各环节多种算法实验效果,总结了各算法的优缺点。此外,本文依据接触网腕臂系统结构点等效性原则,构建了虚拟点云的模拟生成系统。一方面克服现场采集数据量少、采集数据不稳定等问题,另一方面由于三维点云深度学习需要大量数据的特点,给出了这种数据生成的方法。根据CSCS不完备三维点云的明显的凹凸性特征,本文首先采用超体聚类(Super-Voxel Clustering,SVC)算法,以将其分割为较小的点云块。提出了基于斜率约束的局部凸连接打包(Locally Convex Connected Patches Algorithm Based on Slope Constraint,SC-LCCP)算法,克服了原始算法的过分割(Over-Segmentation)与欠分割(Under-Segmentation)现象。此外,提出了基于投影的随机采样一致性(Projection Random Sample Consensus,P-RANSAC)算法,克服了在三维空间中,原始算法所获得的相邻线性部分的两条直线,不一定存在交点的问题。对分割结果进行相关参数检测,包括点比例(P-R)因子、连接点三维坐标、位置比例系数(PPC)及定位器斜率,将计算结果与实际参数进行对比,计算了连接点三维坐标误差、定位器斜率平均误差等,以验证该方法的准确性和有效性。此外,本文还给出了一种基于接触网腕臂系统三维点云的二维图像辅助分割(2D Image-Assisted Segmentation Method Based on the 3D Point Cloud of the Cantilever Structure of Catenary System)方法。对三维点云数据进行均匀重采样(Uniform Sampling,US),利用SC-LCCP算法对采样后的数据进行分割,并通过主成分分析法和三维空间下最小包围盒的确定,以找到CSCS的正投影视点,将其转换为二维图像。对二维图像进行分割,然后进行图像闭运算和中值滤波处理,返回三维点云得到腕臂系统三维点云各个线性部分的分割结果,并对分割结果进行相关参数检测。与SC-LCCP方法的参数检测结果做了对比,位置比例系数平均误差减小到:0.33%-0.56%,定位器斜率平均误差减小到:0.60%,该方法的检测结果有显著的提升。