通过无人机机载相机或激光雷达获取铁路线路环境数据,数据实时、连续、快速、空间信息丰富,是目前铁路勘测领域的研究热点。但在实体建模的数据后处理过程中,所获得的海量图像或图形数据对铁路线路的专业化应用造成了较大的限制,从丰富的铁路线路环境数据中提取正向线路设计信息是新技术专业化应用的重点,其中钢轨局部数据快速封装和识别是难点。因此研究如何保证建模精度和速度为前提下,对铁路钢轨点云数据进行轻量化预处理对整个铁路线路环境识别具有实际意义。本文针对图像和图形两种数据源,在通用铁路线路点云后处理方法的基础上,基于Windows操作系统,结合PCL点云库技术改进算法,进行了线路点云二次开发。实现铁路线路环境下钢轨点云自动分割;进而,结合钢轨截面几何特性和线路特性进行了钢轨点云快速封装算法设计。经过预处理的线路点云模型在数据精度满足工程需要的前提下,可快速识别钢轨,实现了轨道模型的轻量化。针对上述研究工作,本文所做具体工作如下:(1)对铁路线路研究区域的连续数据分别基于图像和图形数据源进行分割处理。分析研究分割通用方法的实际效果,结合PCL点云库设计钢轨点云数据分割算法,可以从整体铁路线路数据中快速自动分割出阈值区间中的钢轨点云数据。(2)基于vs2017+PCL开源平台,结合钢轨截面几何特性,通过钢轨点云数据通用封装方法分析,提出基于钢轨截面特性的钢轨点云数据封装方法。(3)工程实例算法验证。利用iFly D1无人机挂载iCam Q5mini倾斜摄影测量系统获取敦格某段线路区域影像数据并封装钢轨模型,采用分割和封装算法对线路点云进行了数据预处理,实现了钢轨实体的快速建模,精度符合工程要求。实例结果表明,钢轨点云快速分割及封装算法是有效的。基于此方法可实现基于无人机影像的线路长距离钢轨点云数据识别。