随着自动驾驶产业的蓬勃发展,多传感器融合技术逐渐兴起。GNSS/INS/LiDAR等多传感器数据融合是三维重建和环境感知的核心技术,被广泛运用于自动驾驶和设施巡检等领域。以铁路环境为例,铁路十三五规划中指出,要加速北斗等高精技术在铁路环境中的应用,实现铁路智能化和现代化发展。铁路智能化意味着传感器平台不仅需要明晰自己的位置,还需对特定场景下的地物进行识别及提取分类,从而满足高级别的感知及规划控制任务。随着北斗地基增强网和中国大陆环境监测网的建设,覆盖全国的基准站数据使得全国大区域无缝精密定位成为可能。近些年来,惯性测量单元成本不断下降,MEMS微机电级别的惯导数据和GNSS组合,已能满足大部分情况下的精密定位需求。在前述背景下,GNSS/INS/LiDAR等传感器组合而成的车载平台,使得铁路环境的定位与环境感知成为可能。本文着眼于铁路地理信息数据库建设和铁路巡检工作的具体需求,旨在利用前述传感器,构建铁路廊带的三维数据库。并在此基础上,实现铁路轨道的快速识别和拓扑重建,以及铁路周边地物的分割提取。主要的研究工作和阶段性成果总结如下:（1）顾及传感器特性和铁路巡检需求,搭建并标定了一套多传感器数据采集和处理硬件平台。该平台能够满足动态条件下的厘米级定位精度,其中水平定位精度3cm,高程定位精度5cm。考虑到高速环境下的点云畸变效应,利用估计的速度对传感器平台的畸变进行补偿,能够满足实时大区域三维重建需求。（2）利用GNSS/INS数据,提出了一套铁路轨道的快速提取算法。测试结果表明,当雷达帧率在10Hz时,在低成本处理平台上可以实时进行。与人工标注数据相比较,提取轨道点的Precison/Accuracy/Sensitivity分别为99.68%,97.55%和66.55%。（3）结合GMM经典机器学习方法,提出了铁路环境下的目标分割及识别算法,在数据集上地表点分、树木、线状散点、建筑点、轨床点等的Precison/Accuracy/Sensitivity范围分别在46.778%至96.114%、92.578%至97.823%、59.328%至94.715%。相较与当下的机器视觉和神经网络算法,充分利用先验信息。算法的复杂度低,可运行在嵌入式平台。