铁路是我国不可或缺的基础设施,具有运载能力强、运输距离长和高速化的特点,属于交通运输系统中的骨干力量。然而铁路环境下也存在着一些安全问题不容小觑,例如铁路限界的异物侵入,对铁路运输安全性产生了一定的影响。另一方面,在铁路施工和养护过程中,施工成本高、检测手段落后也一直困扰着铁路从业者。为了推进铁路安全信息化建设,提高施工安全生产水平,做好先期铁路场景数字化识别与分类工作迫在眉睫。为解决三维激光扫描设备成本较高的问题,使用无人机影像合成三维点云,降低铁路环境数据获取的难度。为解决传统分割算法在铁路环境下的分割效果不佳的问题,提出改进的三维点云分割算法,在基于法线的区域生长分割的基础上,利用局部的颜色信息差异对欠分割区域进行二次分割,以提高分割的准确度。为解决对具有相似特征点云模型识别不佳的问题,提出使用三维上下文特征进行局部识别优化,提高算法整体识别准确度。为验证这两种算法的性能,使用前期数据采集工作中获得的数据集进行了实验。实验通过对不同场景的分割和识别的结果进行对比,结果显示算法有效提高了铁路场景点云的分割和识别的准确度。最后使用经过验证的算法,结合Qt软件框架,设计并实现了一套可视化系统原型,通过在铁路点云场景的试用结果表明,本文所提出的处理方案能够比较准确地完成对铁路场景下的物体进行分割与识别工作,为铁路安全数字化建设提供了新的发展方向。