轨道交通作为我国公共基础设施的最重要组成部分之一,对钢轨三维外形进行在线测量可达到对钢轨实时质量监测、保障铁路运输安全的目的。光学三维测量具有与被测物无接触、测量运算速度快等优点,因此可以使用相位测量轮廓术获得钢轨外形三维图像。然而所获取的钢轨外形三维图像视场范围有局限,使用图像拼接技术可拓宽钢轨外形三维图像的视场。使用传统的迭代最近点方法进行钢轨外形三维图像拼接时,由于钢轨三维外形无明显特征点导致错误配准,且该算法运行耗时过长。此外,图像拼接处理后的钢轨外形三维图像存在重叠区域与数据量过大的问题。针对钢轨外形三维图像拼接过程中出现的问题,本文研究一种改进的拼接方法:找到在线运动的待测钢轨与其三维图像之间的点云数据对应关系,以此作为钢轨三维外形图像粗拼接依据。之后使用改进的迭代对应点算法对钢轨外形三维点云数据进行精确配准,此方法耗时少,精度高,且与钢轨外形轮廓点云配准过程契合度高。对于图像拼接后的钢轨三维点云数据量大、存在重叠区域的问题,本文使用八叉树对钢轨外形三维图像进行数据融合精简。通过融合操作,钢轨三维点云数据量约缩减至融合后数据量的十分之一,大大减少了冗余点云数据。研究了一种新的点云数据融合后的评价方法:对点云融合前后重叠区域内的点使用kd树搜索八近邻,并使用主成分分析计算出这些点的法向量,再计算融合前后法向量间的夹角,使用夹角对融合结果进行评价。