截至2020年末,中国内地共45座城市开通城轨交通运营线路7978.19km,其中地铁线路长7108.49km,占比89.09%。随着地铁线路的增多,为保证地铁安全可靠的运行,周期性的地铁隧道变形检测变得十分重要。激光扫描技术相比于传统检测方法,具有测量数据丰富、测量精度高、测量效率高等明显优势,已成为地铁隧道检测的新技术并得到快速应用。本文主要针对运营期地铁隧道变形检测实际需求,开展了基于激光扫描技术的隧道点云数据处理和变形分析研究。在点云数据预处理过程中,针对隧道点云数据量大、部分区域冗余度高、点云密度分布不均的问题,采用空间体素提取邻近点的方式,在满足变形分析数据处理需求的前提下,对点云数据进行了有效精简,对比基于八叉树的点云数据精简算法,精简过后点云密度分布更均匀。为去除点云数据中的噪声点,对噪声点进行了分类,采取了多层次的算法,利用空间密度统计的方法去除离群点和离群点簇,然后引入布料模拟滤波算法分离地面点,经实验分析可知,布料网格设置为0.5m、高程分类阈值为0.3m能够达到很好的分离效果,最后采用迭代最小二乘椭圆拟合和随机采样一致性（Random Sample Consensus,RANSAC）椭圆拟合去除混杂点,两种方法均取得了较为理想的效果。基于点云数据的隧道变形分析方法研究中,针对运营期隧道点云数据处理缺乏辅助数据的问题,提出了一种空间圆柱迭代拟合的隧道点云数据提取中轴线的算法,能够对隧道点云数据直线段、缓和曲线段和圆曲线段的单独线型或综合线型提取中轴线,通过模拟实验精度验证,复杂线型的中轴线定位点提取误差在3mm左右,能够满足工程应用的精度要求。完成中轴线与断面提取之后,进行了隧道椭圆度检测、收敛变形检测、断面错台检测、轨道检测、限界检测等变形分析,椭圆度检测结果与商业软件Amberg Tunnel2.0软件处理结果具有较好的一致性。最后,为实现数据处理的智能化与可视化,本文基于开源点云数据处理框架搭建了一个隧道点云数据处理实验平台,该平台具备海量点云数据管理、可视化、隧道变形检测与成果报表输出四个功能模块,实现了基于激光扫描技术的隧道变形检测数据处理全过程,为后续实际应用奠定了基础。