铁路运输作为一种主要的现代化运输方式，在我们的日常生活中扮演着十分重要的作用，因此保证铁路安全也是当今生活中一个重要的命题。钢轨作为铁路的重要组成部分，必须要有严格的监管措施保证其出厂质量，目前国内大多数钢厂使用的检测方法或者停留在传统的人工目视法或者依靠于引进外国的技术，本文设计了一个基于激光三角法的钢轨缺陷检测系统，实现了对缺陷的实时检测和识别。该系统使用激光三角法测量钢轨轮廓;然后计算轮廓到标准模型的距离，以此反应出待测钢轨的表面高度信息;接着根据高度信息提取二维和三维图像中的特征进行分类识别;在论文的最后介绍了整套系统的设计和工作流程。本文按算法流程对整个检测过程进行了详细的分析和说明。　　首先，本文提出了利用单应性矩阵进行点云重建的测量方法，相较于测量误差较大且标定困难的激光位移测量法，本文提出的方法可以得到更精确的结果，并且容易操作。　　其次，本文完成了激光线图像的滤波和亚像素坐标提取，对图像进行了多种去噪处理，在比较去噪效果后，选择了效果最理想的小波去噪以抑制噪声的干扰。在本系统出现激光断线的情况下，使用现有的中心线提取算法会引入干扰点，从而影响计算结果，为此本文结合种子填充法和重心法对中心线提取算法进行了改进，使得计算结果更加精准。　　接着，本文设计并实现了一种适合本文背景的改进ICP配准算法，将基于最近邻计算法向量转化为在二维空间计算法向量，降低了计算复杂度，同时满足了对应点查找的准确性，并使用了K-D树搜索对算法进行了提速。配准后计算了测量轮廓到模型的距离，并对距离图像进行背景减除操作排除了干扰。　　然后，本文通过BP神经网络对缺陷进行分类，针对BP神经网络容易陷入局部最优的局限，设计了一种使用混合蛙跳算法对BP神经网络权重进行优化的算法，并将之应用在了对于钢轨缺陷的分类中，取得了一定的效果。　　论文的最后设计了一个钢轨表面缺陷的视觉检测系统，并给出了系统的组成结构和算法流程，介绍了成像系统的选型和参数，明确了系统需要标定的参数和方法。