我国高铁技术飞速发展,高铁已成为一种高效、舒适、安全的出行方式。因此,高铁重轨的安全生产成为保证出行安全的重要课题,重轨表面缺陷的检测是重轨安全生产的一项重要任务。现阶段,我国国内基于机器视觉的高铁重轨缺陷检测方法起步较晚,大多数钢厂依然停留在人工目测检测的阶段,检测效率低下,漏检率高,受制于检测人员的主观因素,而且现场工人的安全存在较大隐患。现阶段的机器视觉检测方法主要应用二维图像信息进行检测,但在实际应用中,非常受限于图像采集质量,且受到检测区域范围影响,出现漏检或误检情况较为常见。本文的研究中,针对二维图像检测方法存在的问题,采用三维点云与线阵图像融合的方法对重轨表面缺陷进行检测,对三维缺陷进行提取,减少漏检,提高对伪缺陷与三维缺陷的辨别能力,降低误检率。论文的主要研究内容包括:（1）设计一种线阵相机的标定方法,并搭建由高精度线阵相机与移动平台组成的重轨三维缺陷检测平台,对重轨表面进行采集。（2）研究二维图像配准方法在重轨表面的应用,为三维点云配准提供初始配准,通过实验对比选择基于相位相关的初始配准方法,与传统的点云配准方法相比,具有更好的收敛性,降低了三维点云配准的复杂程度,可以得到较高的配准精度和计算效率。将该方法用于重轨点云配准,得到了良好的效果。（3）研究重轨表面点云的缺陷位置提取方法,本文利用点云法矢、曲率特征,基于区域生长算法,对重轨缺陷点云进行分割,并计算最小包围盒,测量三维缺陷的尺寸。在重轨缺陷检测实验中,与传统的二维图像检测方法进行对比,该方法具有更高的有效检出率和更低的误检、漏检率。本论文基于点云特征的重轨表面缺陷方法可以与二维图像检测方法相互配合,既能降低图像质量的影响,又能提高点云的计算效率,为整体系统搭建奠定了基础。