地铁是发达城市的重要交通工具之一。由于地质运动和人类活动的影响,地铁隧道会发生一定程度的变形。此外,地铁运行速度快,乘客聚集密度高,地下环境较复杂,一旦出现隧道坍塌,将付出不可估量的生命和财产代价。近年来,随着我国地铁总里程的快速增长,发生了不少隧道塌方事故,地铁隧道的安全问题也越来越严峻。人工检测存在夜间检测效率低、成本高、劳动强度高等问题,现有的机器检测又不能满足速度要求,本文结合国内外激光扫描技术发展现状,对比了三维激光点扫描技术与三维激光线扫描技术,基于三维激光线扫描技术的速度优势,将其采集到的隧道点云数据用于隧道的几何形状分析,在对比和分析点云数据处理的基础上,设计并实现了地铁隧道三维建模与形变分析系统。本文主要工作内容和成果如下:（1）根据激光线扫描车测得的点云数据量庞大的特点,提出了一种基于圆柱型扇形分块存储结构,可以有效地存放点云数据,通过将三维点云坐标数据转化为扇形链表数据结构中的数据从而对隧道数据进行高效率处理与分析,与传统八叉树算法等存储结构比较,扇形链表结构的数据冗余量小,所占空间小,访问效率高。（2）提出了一种基于五边形的基准点选取方式,与传统的均值法等比较,基于五边形法的基准点到隧道截面内的所有点云距离的方差更小,表明该方法更加稳定,提高了后续椭圆拟合的准确率。（3）提出了一种基于超最小二乘拟合的去噪方法,与RANSAC算法（随机采样一致性算法）随机采样构造初始椭圆并去除噪声点比较,该方法将数据点划分为若干区域,从每个区域中提取任意比例的点参与拟合,通过平均采样构造初始椭圆,去除噪声,反复迭代,并获得最终的数据集,该算法使每次选择的拟合点均匀分布,保证了算法的稳定性,并反复迭代保证了精度。（4）提出了基于空间分布的椭圆拟合算法,对去噪后的点云数据集进行椭圆拟合。为了验证该算法在隧道椭圆计算中的有效性和优越性,本文加入了噪声干扰并对模拟隧道数据进行了拟合,实验结果表明,该方法与基于超最小二乘拟合的去噪法结合,比使用RANSAC去噪的最小二乘拟合法拟合的椭圆效果更好,尤其在强噪声环境下,本文算法在数值上更接近真实值、鲁棒性更强。（5）对拟合后的椭圆进行椭圆度以及变形量等形变分析,相比于传统方法,设计的隧道截面分析方法可以全方位反映隧道的形变程度,在实际工程中具有较高的实用价值。（6）结合实验室已经设计好的激光线扫描车的软件需求,完成了地铁隧道三维建模与形变分析平台。该平台能够快速读取海量点云数据并进行扇形链表结构存储,具备三维建模、可视化、椭圆拟合、形变分析等功能。论文研制的地铁隧道三维建模平台对上海地铁8号线的部分点云数据进行了测试验证了本文设计的技术方案与相关算法功能的可行性。主要技术指标达到了设计要求,能够满足地铁隧道几何形状检测的需求,在保障地铁安全运营方面具有很好的应用前景。