車載LiDAR系統(tǒng)搭載在列車上，沿著列車行進方向對周圍環(huán)境進行掃描，采集的數(shù)據(jù)無選擇地包含了所有能探測的地物信息，包括地面、鐵軌、建筑運營維護過程中需重點監(jiān)測的對象，有必要將其從原始點云數(shù)據(jù)中提取出來。輪廓特征利用鋼軌點與非鋼軌點在球狀鄰域高差和反射強度上的差異提取鋼軌過將手動提取的1m鋼軌點云數(shù)據(jù)轉換成灰度圖像模板與鋼軌點云進行匹配，剔采用一種由粗提取到精提取的分步提取方法對隧道限界范圍內的鋼軌點云進行了提取。Sánchez-Rodríguez22]等人利用移動測圖系統(tǒng)掃描獲取鐵路場景中的LiDAR系統(tǒng)采集獲取的點云數(shù)據(jù)快速提取鐵路的可能性，并基于移動激光掃描和Arastounia19I等人基于球狀鄰域高差特征提取軌道點云方法存車載LiDAR鋼軌點云提取算法，其實驗結果表明該方法能夠正確提取鐵路全線的鋼軌點云，并將提取的鋼軌點云應用于鐵路軌道的精確建模。孫森震251等人結合復雜場景中不同地物的空間形態(tài)特征，采用空間三維格網(wǎng)對點云數(shù)據(jù)進行組織，針對不同地物設計出多種參數(shù)可控的空間格網(wǎng)算子，利用格網(wǎng)的連續(xù)性、密并結合點云的反射強度信息，對鐵路軌道、接觸網(wǎng)等特定鐵路要素進行識別提取。李圓261根據(jù)鐵路場景中車載LiDAR點云呈空間線性分布的特點，將LiDAR系統(tǒng)采集的POS數(shù)據(jù)應用于鐵路場景點云濾波中，實現(xiàn)了軌道點云的分割，在此基礎上提出了一種通用的基于軌頂面種子點自動追蹤的軌道中心線提取方法，并結合在某些鐵路場景中鋼軌點云呈現(xiàn)高反射強度的特點，提出了一種顧及鋼軌反射強度的軌道中心線提取方法，實現(xiàn)了軌道中心線的高精度自動化提取，并將提取的軌道中心線應用于既有鐵路平面線形擬合與優(yōu)化中。張進杰[27結合鐵路復測的要求，運用融合反射強度信息的相似度量分割方法對鋼軌點云進行分割提取。陳霄[281采用Alpha-Shapes算法提取了鐵路橫斷面點云數(shù)據(jù)的輪廓，結合車載LiDAR系統(tǒng)獲取的POS線與鐵路橫斷面的空間特性，提出了一種基于POS線投影的鐵路橫斷面軌頂點點云提取算法，并針對鐵路接觸網(wǎng)系統(tǒng)的空間分布特征，提出一種由粗到精的分類提取方法，分別實現(xiàn)了鐵路橫斷面上的軌頂點點云提取以及包含接觸線、承力索和回流線在內的接觸網(wǎng)分類提取。RemoteSensing,2014,7(12):4750-[3]SawadisaviS,EdwardsJ,E.Resendiz,J.Hart,C[9]羅玲.基于LiDAR數(shù)據(jù)的鐵路軌道信息提取方法研究[D].河南理工大學，2016.[10]李永強，李鵬鵬，董亞涵，等.車載LiDAR點云數(shù)據(jù)中桿狀地物自動提取與分類[J].測繪學報，2020,49(6):724-735.[12]WeiZ,YangBSandLiQQ.Automatedextractionofbuildingfootprinpointclouds[J].JournalofRemoteSensing,2012,16(2):286-296