近年来,随着铁路运输任务的不断加重以及列车运行速度的提高,人们越来越关注其运行安全问题。在列车长期运行过程中,由于车轮与钢轨的疲劳磨损、异物压入等,易导致钢轨断裂从而引起翻车、脱轨等重大事故。因此对铁路轮轨工件的表面伤损检测及伤损可视化研究具有必要性和重要的现实意义。本文主要基于轮轨工件表面点云三维重建及表面伤损检测进行研究,主要研究内容如下:首先,为了实现铁路轮轨工件的高精度检测,针对现阶段受三维扫描仪精度和现场复杂环境的影响,利用三维扫描仪现场扫描铁路轮轨工件存在一定的困难,本文提出自主构建轮轨工件的CAD模型,并转化为点云数据。针对CAD模型生成的点云难以保持表面尖锐几何特征问题,本文提出一种基于曲率和包围盒的点云精简算法。该算法将输入的点云划分为一系列体素栅格,对体素栅格内的点云根据曲率特征进行精简。实验结果表明,本文算法大量保留了点云模型的尖锐及边缘特征点,在平坦区域避免了孔洞现象发生,为后续高效表面重建和伤损检测研究提供了基础。其次,为了提高点云表面重建算法的精度和准确度,针对点云表面重建过程中受噪声、离群点的影响,重建后的表面易出现伪影、过拟合、孔洞等问题,本文提出一种基于Tikhonov正则化的泊松表面重建算法,该算法使用线性插值对采样点插值处理,利用Tikhonov正则化的L2范数对原始点云进行平滑处理,降低噪声点和离群点带来的误差。通过在常用的Standford三维扫描库点云、Ein Scan-Pro扫描点云以及CAD模型生成的轮轨点云上进行对比实验,证明本文算法的重建精度得到了很大提升,具有一定的可行性和鲁棒性。最后,对轮、轨工件点云的表面伤损进行检测。首先对轮、轨工件点云模型构建表面伤损,然后利用ICP算法对伤损数据和标准数据进行配准,计算二者之间的偏差判断伤损,最后采用深度颜色映射方法将伤损点云模型转换为彩色图像,根据彩色图像上的颜色变化识别伤损区域。为了直观显示伤损区域,采用本文提出的表面重建算法进行伤损数据可视化。