受电弓是安装在列车顶部,从高压电网获取电力的关键部件。由于与接触导线摩擦并长期暴漏在外界环境中,受电弓滑板表面会出现磨损、掉块、裂缝等缺陷,这些缺陷的存在会引起安全事故。目前已经实现通过二维图像分析受电弓磨耗,但是受限于二维图像不包含物体高度信息的特点,通过分析二维图像无法进行受电弓滑板的掉块检测并且无法获取受电弓滑板的整体磨耗情况,而三维点云数据弥补了二维图像不包含物体高度信息的不足。本文在充分研究了点云数据处理方法和三维点云缺陷检测方法的基础上,结合受电弓滑板点云数据的特点,分别对点云特征提取、配准和缺陷识别相关内容展开算法研究,提出了针对受电弓滑板磨耗和掉块的检测方法和点云局部特征提取算法和点云配准算法,并通过实际数据验证研究成果。本文的主要研究内容如下:1、点云特征提取是本文实现受电弓滑板缺陷检测的基础,本文在学习了大量的点云特征提取算法后,在几何属性直方图描述子和空间分布直方图描述子的基础上进行了改进,改进后的局部特征描述子能够较大程度保留在平坦点云处的细节特征。实验表明提出的改进算法在受电弓掉块检测上的召回率分别是FPFH、SI、Ro PS的7.5倍、5倍和2.5倍。2、提出了一种基于点云局部特征分类的缺陷检测方法,并在受电弓滑板数据上进行了测试,实验结果表明该方法输出的最终检测模型相比于基于点云几何属性聚类最终输出的检测模型在点云数据分辨率和缺陷形态方面具有更强的适应性。3、研究了基于点云配准的缺陷检测技术,提出了以特征匹配和距离约束相结合的配准方案。采用该方案的配准误差低于直接使用ICP算法进行配准的误差。