近几年我国城市轨道交通建设得到了飞速的发展,同时也给养护维修工作带来了巨大压力。由于地下的地质条件复杂,渗漏水是地铁隧道的一种常见的病害形式。传统的隧道渗漏水检测方式以人工巡检为主,其精度和效率都难以满足当前繁忙地铁线路的检测需求。三维激光扫描检测技术能够快速获取隧道内高精度、高密度的点云数据,成为隧道渗漏水检测发展的新方向。本文以轨检小车搭载激光扫描仪所采集的隧道点云数据为研究对象,结合点云数据处理技术和数字图像处理技术,实现对隧道内渗漏水信息的自动识别和统计。主要研究内容及结论如下:（1）总结当前国内外隧道渗漏水检测的基本方法,对比得出三维激光扫描技术的优势。研究激光扫描中静态扫描和动态扫描的基本原理,通过对比分析得出在隧道检测中,动态扫描的点云数据质量良好且检测效率更高。（2）通过研究点云密度的分布规律,采用基于统计滤波的SOR算法对点云进行去噪处理。对点云数据下采样,完成点云数据的压缩。研究隧道的空间特征确定基于几何模型拟合的隧道点云分割算法。基于最小二乘法对分割出的隧道管片衬砌点云横断面进行拟合,获取隧道横断面的椭圆方程。（3）通过横断面的椭圆方程获取三维点云平面展开的基本参数,以隧道顶拱为轴线将隧道点云平面展开。拟合点云强度和激光测距的多项式模型,依据该多项式模型完成点云的强度修正,最终点云数据的强度仅与反射面的反射率有关。对平面点云进行栅格化处理,将点云强度值转换为像素灰度值并生成灰度图像。（4）选取合适阈值将隧道灰度图像二值化,利用中值滤波算法去除二值图像中的噪声。去噪后的二值图像渗漏水区域和正常区域在图像上被分别标记,利用边缘检测算法对渗漏水边缘进行识别,通过对比得出Sobel算子具有更好的效果。基于连通域原理完成对渗漏水位置、面积、个数的计算和统计,最终完成隧道渗漏水的自动识别。结合隧道点云实测数据,以3m为一个区段对识别的渗漏水信息进行统计和分析。经过和隧道中实际的渗漏水情况对比,最终的检测精度能够达到92%。图64张,表16个,参考文献72篇。