基于某矿山边坡点云数据的岩体结构面三维信息提取与统计分析

徐梦洁 郑朝峰 季晓菲

摘要：为实现边坡岩体稳定评估，以西南某露天矿山边坡为研究对象，通过实地勘察进行研究区划分、结构优势面分析和测点布置，获取分区点云数据。采用Python编程及一系列处理软件实现岩体结构面三维信息提取与统计分析，得到结论如下：1） 通过现场考察，将研究区划分为东侧3个区和南侧3个区，选出4个分区进行测点和测站布置，共布置14个测点和23个测站获取边坡点云；2） 基于圆盘模型、投影法和点法式平面方程，并结合Python等一系列处理软件实现了结构面三维信息的半自动提取与统计分析；3） 研究区结构面参数分布形式主要为均匀分布为，东侧层理体密度大于南侧，E-2分区边坡整体稳定由节理和層理共同控制，而E-3、S-2和S-3分区主要由层理控制。

关键词：岩体结构面；三维点云；半自动提取与统计；矿山边坡

中图分类号：TU45    文献标识码：A

文章编号：1009-3044（2024）07-0121-03

开放科学（资源服务）标识码（OSID）

0 引言

边坡岩体在长期地质构造运动作用下，会产生大量形态各异、均一性差的结构面，造成岩体性质复杂多变，威胁岩质边坡稳定。岩体结构面三维信息获取对于边坡岩体安全评估十分重要。传统的测量和数据处理方法已不能满足目前高速发展社会的测量需求。三维激光扫描技术被誉为继GPS技术以来测绘领域的又一次技术革命[1]。其能高效、大范围、高精度地获取地物结构三维信息，广泛用于岩体测绘等多项领域，发展前景广阔。而高效、准确地处理结构三维点云数据，实现结构三维信息的自动化提取和分析是今后发展的方向。

胡武婷[2]等基于某岩质边坡，通过PCA主成分分析计算和高斯核密度计算求解点云产状和点云密度，并利用改进优化的分水岭算法实现岩体优势结构面的自动聚类。陈凯[3]等以国内某矿山边坡为例，通过三维扫描技术实现边坡结果信息获取和预处理，并提出实现岩体结构面产状、迹长等信息的快速识别、提取与统计的方法。

对此，本文以西南某矿山边坡为研究对象，通过实地勘察、研究区划分、结构优势面分析、测点布置、三维扫描等流程获取分区点云数据。采用圆盘模型、投影法结合Python编程及一系列软件处理手段实现岩体结构面信息半自动化提取与统计分析，为边坡岩体结构面稳定性评估提供技术支撑。

1 研究区概况

本研究对象为西南某大型露天矿山，研究区东侧开挖较早，早期已完成施工，边坡长时间裸露，岩体风化程度较高，表面植被发育；研究区南侧为开挖施工区，出露岩体较新，多为近期开挖，完整性好，植被较少。

2 点云数据获取

矿山边坡研究区点云数据具体获取流程如下：

2.1 现场考察

通过现场考察，研究区东侧和南侧边坡性状因开挖施工和长期环境作用影响，表现出较大的差异。其中，东侧边坡受人工开挖影响，出露岩体受爆破扰动影响较严重，岩体破碎程度高，完整性差，植被发育，对扫描获取边坡结构信息的干扰较大，需设置多个测点相互补充修正，以获取采集边坡完整和准确信息；边坡台阶条件和结构面出露条件较差，增加点云识别难度和要求。研究区南侧为新开采区，植被生长比东侧少，表面多处覆土；结构面出露较不明显，该区节理出露条件较好，而层理存在多处测量盲区，需针对具体情况布置测点。

2.2 研究区划分

基于现场考察结果，考虑边坡开挖时间、岩体风化程度以及岩体出露条件等因素，将研究区划分为E、S两个大区，对应研究区东侧和南侧。并根据开采时间先后、风化程度强弱和采集难易程度，将E、S两个大区细分为E-1、E-2、E-3和S-1、S-2、S-3 6个小区。其中E-1分区采集条件恶劣、测取十分困难，S-1分区范围较小，这2个分区不开展后续研究。

2.3 优势结构面分析

对剩下4个分区进行优势结构面分析：研究区东侧的E-2和E-3分区优势结构面均为3组节理和1组层面，南侧的S-2和S-3分区则是2组节理和1组层面，对其按分区顺序进行编号共计10组节理（J1～J10） 和4组层理（B1～B4） 。

2.4 测点和测站确定

为保证测取数据的完整性和准确性，结合各分区边坡结构面出露情况，各分区设置2～3组测点，各组测点包括1～3个测点，各测点布设2～3组测站，以方便数据对比和修正，保证测取面积的全面覆盖。具体测点、测站布置情况如表1所示，共计布置9组测点，14个测点，23个测站。

2.5 点云数据获取与预处理

本文研究采用矿用三维激光扫描测量系统（BLSS-PE） 获取矿山边坡结构面点云数据，点云数据预处理主要完成点云拼接和去除杂质任务，结合本研究具体情况，点云数据处理包括以下4个步骤：

①采用扫描系统配套程序去除研究区外杂点，并根据测站主机方位角建立点云与大地坐标的映射关系，以dxf格式导出处理后点云数据。

②将同一测点不同测站的点云数据导入Geomagic软件，参考结构面特征点与参照物的位置关系，利用软件N点对齐和最佳拟合对齐功能拼接点云，完成点云简单处理。

③为提高优化点云精度，将拼接完成后的点云对比现场拍摄照片进行手动裁剪，以去除植被、表面覆土和碎石裂纹的干扰；并考虑结合软件减噪功能完成去噪处理，以降低点云厚度，提高分析精度。

④最终得到处理完成点云，通过Polyworks导出保存为txt格式，以备后续结构面三维信息提取和统计分析工作使用。

3 结构面三维信息提取与统计分析

3.1 结构面三维信息提取

3.1.1 提取原理与方法

本研究的结构面信息提取采用半自动提取的方法，首先采用MATLAB开发的DSE软件分组保存点云数据，然后采用CloudCompare软件筛选、分离分组后的点云噪声数据，将处理好的各分区数据通过Octree分组将结构面点云单独分离出来，并对其编号。最后通过Python编写计算程序，计算各结构面的产状、迹长、间距和体密度等三维信息。

迹长和间距的计算采用Beacher等提出的泊松圆盘模型，以E-2分区的节理J3为例，图1为基于E-2分区节理J3构建的结构面圆盘模型，每个圆盘代表一个结构面，迹长则是每个结构面圆盘的弦长（红线），对应圆盘上两点点距最大值，可通过Python编写基于各结构面点云点与点距离的遍历算法求取。结构面间距则是法向方向上各圆盘的垂直距离，可通过点法式平面方程进行计算（见式（1）） ，式中，[α、β、γ]为结构面对应法向量与[x、y、z]轴间的夹角，由分组后的结构面优势产状确定；[p]为原点到平面的距离。将计算所得各结构面平面方程按p值大小排序，即可计算两两平面之间的间距。体密度为该组结构面数量n与最小包裹长方体体积V的比值，其计算原理如图2所示。计算该组结构面坡面的法向量A、边坡走向B和正交于AB面的C，将3D点云在A、B、C三个方向上的投影间距最大值作为长方体的长宽高（同样采用式（1） 计算），即可计算长方体的体积。最后对计算结果进行编号整理并记录。

[xcosα+ycosβ+zcosγ=p] （1）

3.1.2 编程实现半自动提取

基于上述思路，采用Python软件编写分组后结构面点云数据再处理计算程序，高效智能地获取分组后各组结构面的迹长、间距、体密度等参数，具体编写思路流程如下：

①产状提取：編写处理3D点云的代码，计算各组结构面整体产状，包括倾向、倾角数据。然后将各组结构面点云分隔成单一结构面，计算结构面数量并分开编号保存，以便数据整理和索引。

②迹长提取：编写点距遍历算法，以单个结构面中点距最大值作为迹长，计算并记录点距最大值、两点坐标及中点坐标的数据信息，然后统计整组结构面的所有数据并合并导出。

③间距提取：将迹长中点作为结构面中心，根据结构面倾向和倾角数据编写代码计算优势结构面的法向量，将中点坐标和法向量与三个坐标轴夹角的余弦值带入点法式平面方程（式（1）） ，计算得到各结构面的重构平面方程组，按顺序排列平面方程组并计算相邻结构面间距，打包记录该组结构面的间距数据并导出。

④体密度提取：采用步骤③的间距计算方法，编写代码计算各方向点云投影间距最大值，然后对应算出最小包裹长方体体积V和长方体内结构面数量，最终计算出结构面体密度。

3.2 结构面三维信息统计分析

3.2.1 统计结果

运用SPSS与Origin软件检测计算结构面产状、迹长、间距和体密度数据的统计分布类型，通过分析可知，各组结构面参数主要包括均匀分布（I） 、正态分布（II） 、对数正态分布（III） 和负指数分布（IV） 四种分布类型，各分区结构面参数统计结果如表2所示。

3.2.2 结果分析

分析统计计算结果可知：

1） 参数分布形态：研究对象共计4组结构面分区，包括10组节理和4组层面，其倾向、倾角、半迹长和间距主要以均匀分布（I） 为主，部分结构面参数呈正态分布（II） ，少数呈对数正态分布（III） 或负指数分布（IV） 。

2） 体密度大小：研究区东侧的E-2和E-3两个分区的层面体密度明显小于南侧S-2和S-3两个分区，各分区层理体密度变化范围较大。

3） 边坡形态：E-2分区节理J1规模较小，控制边坡局部稳定，而节理J2、J3和层理B1规模较大，边坡整体稳定由节理和层理共同控制；E-3分区节理J4、J5、J6规模较小，控制边坡局部稳定，而层理B2规模较大，边坡整体稳定由层理控制；S-2分区节理J7、J8规模较小，层理B3规模较大，边坡整体稳定同样由层理控制；S-3分区节理J9、J10规模较小，层理B4规模较大，层理控制边坡整体稳定。 （下转第126页）

（上接第123页）

4 结论

本文以西南某大型露天矿山边坡为例，在实地勘察的基础上进行研究区划分、结构优势面分析和测点布置，获取了各分区的点云数据。然后通过Python编程及一系列处理软件实现了岩体结构面三维信息提取与统计分析，得到如下结论：

1） 基于现场考察结果将研究区分为东侧3个区和南侧3个区，对能进行量测或有量测价值的4个区进行测点和测站布置，共计布置14个测点和23个测站。

2） 基于圆盘模型、投影法和点法式平面方程，结合Python编程和一系列处理软件实现岩体结构面倾角、倾向、迹长、间距和体密度等三维信息的半自动提取与统计分析。

3） 分析统计结果可知，结构面参数分布形式主要为均匀分布，少数呈正态分布、对数正态分布或负指数分布；研究区东侧层理体密度整体大于南侧；E-2分区边坡整体稳定由节理和层理共同控制，而E-3、S-2和S-3分区主要由层理控制。

参考文献

[1] 方立伟.三维激光扫描技术在隧道工程中的应用分析[J].测绘与空间地理信息，2023，46（2）：163-165.

[2] 胡武婷，刘昶，董秀军，等.基于三维激光扫描的岩质边坡结构面自动识别方法[J].成都理工大学学报（自然科学版），2023，50（3）：351-360.

[3] 陈凯，杨小聪，张达，等.三维激光扫描技术在岩体结构面几何参数获取中的应用[J].有色金属工程，2021，11（8）：128-133.

【通联编辑：梁书】