1.一种基于广义邻域高差的车载Lidar钢轨点云提取方法，其特征在于，包括以下步骤：步骤1：根据车载Lidar点云的扫描角度或轨迹线，将道床点云分割出来；

步骤2：采用统计滤波算法去除道床点云中因钢轨自身遮挡因素引起的噪声点，并将去除噪声点后的道床点云记为{Pm,m＝1,2,3,…}；

步骤3：柱状邻域搜索：Pi为道床点云{Pm}中的一点，以该点Pi为中心，以点Pi所在区域的左右钢轨轨顶面的法线方向 为轴线，半径为r定义一个圆柱状的缓冲区，该圆柱状的缓冲区称为点Pi的柱状邻域道床点云中所有位于点Pi的柱状邻域内的点记为{Pj,j＝1,2,

3,…}；

步骤4：计算点Pi的基于柱状邻域的广义邻域高差；

步骤5：重复步骤3-4直到道床区域所有点{Pm}的广义邻域高差计算完成；

步骤6：结合轨道知识和广义邻域高差直方图来提取钢轨轨顶点云。

2.根据权利要求1所述的一种基于广义邻域高差的车载Lidar钢轨点云提取方法，其特征在于，所述步骤4具体为：步骤41：确定点Pi的广义邻域高差的数值：点Pi柱状邻域内任意一点Pj投影到柱状邻域轴线上的高度为 {Pj}中投影到柱状邻域轴线上的最高点的高度为 {Pj}中投影到柱状邻域轴线上的最低点的高度为 广义邻域高差的数值即为步骤42：确定点Pi的广义邻域高差的符号sign：如果 则sign为+；否则，sign为-；

步骤43：点Pi的广义邻域高差为sign×ΔVi。

3.根据权利要求1所述的一种基于广义邻域高差的车载Lidar钢轨点云提取方法，其特征在于，所述步骤6具体为：步骤61：使用直方图统计道床区域所有点{Pm}的广义邻域高差；

步骤62：根据钢轨自身的高度hr、道砟的粒径Tb以及轨顶距离相邻的轨枕或道砟高度基本一致的特点，确定钢轨轨顶点在直方图中对应的峰的中心位置，其横坐标为x＝hr+Tb；

步骤63：确定轨枕处钢轨点云的广义邻域高差阈值范围；

步骤64：将道床点云{Pm}中广义邻域高差在阈值范围内的点提取出来为钢轨轨顶点云。

4.根据权利要求3所述的一种基于广义邻域高差的车载Lidar钢轨点云提取方法，其特征在于，所述步骤6中若使用的是60kg/m的钢轨时，hr＝176mm、Tb＝50mm，则钢轨轨顶点云的阈值范围为[150mm,250mm]；若使用的是50kg/m的钢轨时，hr＝152mm、Tb＝50mm，则钢轨轨顶点云的阈值范围为[125mm,225mm]。