岩体结构特征控制着岩体破坏模式与变形特征，精确获取岩体结构特征意义重大。自然界岩体具有一定的结构属性，由结构面与岩块两大部分组成。岩体结构表征的关键在于开展岩体结构面几何参数测量。传统测量技术主要是通过接触式测量手段（如罗盘、测绳、塞尺、剖面梳等）来获取基础数据。但是，物理接触测量方法工作效率低，常伴随测量主观误差。在高山陡崖或雨雪恶劣天气下开展测量，具有很高的安全风险。近几年，随着光电技术与计算机视觉理论的飞速发展，无需物理接触，远距离便可进行高精度测量技术发展日臻完善，在地质工程与岩土工程领域应用也不断增多，得到了从业人员与科研人员的高度重视。
本研究采用三维激光扫描和摄影测量非接触测量技术，获取滑坡地表岩体露头高精度点云数据。基于区域生长改进算法，引入节点法向量判别指标，设置平整性检测阈值与区域生长阈值，快速有效地进行了岩体结构面智能识别。为了进一步提高岩体结构测量自动化水平，还构建了基于机器学习的岩体结构预测模型，考虑点坐标、点法向量、点密度与点曲率四个输入变量，实现从大量点云数据中自动识别岩体结构面。针对上述识别出的岩体结构面，基于空间解析几何理论，获取了相应结构面的产状、间距、尺寸与粗糙度等信息。研究成果得到了同行专家的认可，已成功应用于西藏澜沧江如美水电站、重庆武隆鸡尾山滑坡防治和加拿大金士顿高速公路边坡防治中，取得了良好社会效益与经济效益。
 

重大工程；,岩体力学；,岩体结构面;,快速识别；,非接触测量；,人工智能