Para prevenir el problema de accidentes de seguridad causados por la intrusión de obstáculos en el espacio libre de las vías del ferrocarril, este documento propone un método de detección de obstáculos basado en Light Detection and Ranging (LiDAR) para obtener y procesar información tridimensional (3D) y de profundidad rica de la escena ferroviaria. El método primero preprocesa la nube de puntos del escenario ferroviario recopilada por LiDAR para dividir un área básica que contiene los rieles. Luego, el método divide el plano de la plataforma y ajusta los rieles con el algoritmo de consenso de muestra aleatoria (RANSAC), dividiendo el área de detección según la posición de los rieles. Para abordar el problema de sobre o subsegmentación en el método tradicional de agrupación euclidiana, que se debe a nubes de puntos más dispersas cuanto más lejos está el objeto del LiDAR, este documento mejora la agrupación euclidiana convencional. Introduce un umbral de distancia adaptativo para categorizar obstáculos. Finalmente, en comparación con la agrupación euclidiana tradicional, la agrupación K-means y la agrupación espacial basada en densidad de aplicaciones con ruido (DBSCAN), la agrupación euclidiana mejorada ha logrado mejores resultados en términos de tiempo de cálculo y precisión de segmentación. Los resultados experimentales muestran la capacidad del método para detectar obstáculos ferroviarios con éxito.