铁路既有线的检测和维修是保证铁路安全运营的重要手段,既有线复测工作为其检测和维修提供基础数据。而传统的测量方法存在工作量大、作业效率低且施工安全隐患等问题,因此,如何快速、高效地进行铁路既有线复测成为当前研究的热点问题。车载Li DAR技术能够快速、精确、实时、动态地获取既有铁路及其周边环境的三维空间几何信息,在铁路既有线复测中得到广泛推广和应用。本文以实现利用车载Li DAR点云数据提取轨道中心线及平面线形拟合与优化为研究目的,围绕铁路关键几何信息提取技术展开研究,介绍了车载Li DAR系统的组成、测量原理、点云数据特点及组织形式和数据采集作业流程等内容;在综合分析现有滤波算法的优缺点、适用场景及时间复杂度的基础上,顾及到铁路场景点云呈空间线性分布的特点,将Li DAR系统的POS数据应用于铁路场景滤波中,分离得到轨道点云;在滤波的基础上,实现了一种通用的基于轨顶面种子点自动追踪的轨道中心线提取方法;在此基础上,考虑在某些铁路场景下,钢轨点云呈现高反射强度的特点,由此提出了一种顾及钢轨反射强度的轨道中心线提取方法,实现了轨道中心线的高精度自动化提取。以此为基础,采用融合线性度和曲率变化特征的平面线形分段方法,确定出各测点所属的平面线形区段,并通过相应的整体最小二乘拟合模型进行反复迭代计算,从而得到特征点的准确位置及平面线形参数。最后,在满足线形设计规范和其他约束条件的前提下,对半径和缓和曲线长进行优化,使其尽可能地与既有线平面线形相贴合,从而使平面调整量达到最小。经工程实例数据验证,基于POS数据的轨道点云滤波方法能够快速、完整地保留钢轨点云,提取的轨道中心线精度较高,平面线形分段结果较为准确,优化后的平面线形参数满足相关规范要求且符合实际工程需要,证明了车载Li DAR点云数据应用于铁路既有线复测中轨道中心线提取和平面线形拟合的可行性和可靠性。