地铁是一种高效且相对环保低碳的公共交通,地铁运营情况一直广受关注,而轨道结构是确保轨道交通运行的关键部分,需要定期对轨道线路进行保养维护。传统的测量方式难免受到测量设备、作业方式的限制和影响,存在测量时间长,数据采集过程繁琐、劳动强度大、工作效率低等问题,无法做到对地铁轨道的几何状态参数快速准确提取。因此,对地铁轨道几何参数自动测量方法的研究是很有必要的。车载激光雷达（Li DAR）技术的测量效率远远高于传统测量方法,可以有效降低城市轨道交通检修维护所需工作时间,极大提高作业效率,并且在很大程度上也能够减少外业测量的安全风险。本文在借鉴道路和铁路点云处理方法的基础上,通过对点云的精简与滤波技术以及点云的分割方法进行深入研究,提出恰当方法以适应本文地铁轨道区域的分割,从车载Li DAR点云数据中提取了地铁点云轨道区域并完成轨道几何参数的自动测量。本文主要研究内容如下:（1）阐述了车载Li DAR技术在各领域在国内外的应用情况,针对地铁点云包含大量冗余点以及一些噪声点的问题,选择结合体素精简法和强度精简法对原始点云进行精简的处理方法,有效去除了很大一部分与本文研究无关的非地铁轨道区域点云,减少了数据量,并将统计滤波法和半径滤波法结合用于去除轨道区域点云之外的小振幅的噪声点和离群点,最终得到有效的地铁点云数据。（2）对经精简与滤波后的地铁点云建立KD树拓扑结构,加快点云的邻域搜索速度。根据地铁轨道空间分布特征,采用极大似然抽样一致性（MLESAC）算法提取出地铁的道床面,将轨道和地铁点云中其余物体分离开。通过自适应欧式聚类算法和KD-DBSCAN算法分别设计2种聚类分割的方案来分离轨道,可视化分析各方案的结果,选择最优方案。为从最优方案聚类结果中自动化提取出地铁轨道点云数据,基于强度值概率分布和皮尔逊相关系数设计了PDRI-PCC算法。最后基于KD-DBSCAN算法设计程序对地铁道床面和轨道点云数据进行去噪处理。本文提出的分割提取算法能够有效地提取出地铁轨道区域点云。（3）将分割出的地铁轨道区域点云作为实验数据,通过高程信息设计算法提取出所需要的轨道顶面点云。将点云投影到XOY平面,利用最小二乘法多次拟合,找出单条轨道点云的中轴线,依据拟合的中轴线旋转点云,并以此设计轨道高低、水平和三角坑等参数计算的方案流程,再利用结合平滑伪Wigner-Ville时频分布的峰值管理法和局部波动指数对轨道参数测量结果进行分析。