摘要
岩坡滑坡可能性、隧道设计以及地下空间的工程规划都迫切需要分析岩石裂隙的方向和间距。传统的裂隙测量方法是在现场使用 compass–clinometer 手动测量地质平面的方向（相对于北极的方向）以及平面的倾角（相对于水平方向的倾角）。无人机（UAV）可以拍摄数百张照片，从而创建出高分辨率的岩石露头 3D 模型，准确捕捉到三角形不规则网络（TIN）表面上可见的裂隙不连续性。从点云计算面和面法线的方法无需现场手动测量即可实现对不连续性的分析。然而，这些计算方法会在数据集中引入噪声，增加分析的难度。通过采用基于密度的空间聚类算法（DBSCAN）对含有噪声的数据进行两阶段处理，并对剩余聚类结果进行二阶导数分析，可以去除那些不能代表完整岩体中真实不连续性的数据。最后，运用无监督聚类算法 K-Means Clustering 对数据集进行分析，从而提取出不连续性的倾角和倾角方向。该方法用于识别大坝溢洪道上的正交裂隙集，在所有识别出的裂隙集中都表现出良好的性能，其倾角和倾角方向的估计值与现场手动测量数据集的结果大体相当。这表明这种新开发的概念验证方法能够可靠地从大规模数据集中捕捉正交裂隙的方向和变化特性。
