巷道是地下金属矿山开拓及生产运输的主要工程，地下巷道围岩稳定性将直接影响矿山的安全生产（何富连等，2015；侯朝炯等，2021）。通过开展巷道岩体结构分析，获取围岩结构面空间特征，能够解析出结构面所切割的块体特征及失稳情况，识别出巷道块体失稳的危险区域，从而为巷道稳定提供安全保障（邱俊玲等，2012；李杰林等，2022）。

岩体结构面的信息获取包括对产状、迹长、间距和张开度等参数的测量（何秉顺等，2007）。目前主要采用全人工识别、半人工识别和全自动识别等方法进行岩体结构面识别，不同方法对岩体结构面识别的精度也不同，但普遍存在地下巷道的围岩缺陷与结构面难以准确区分的问题，总体上识别出的结构面数据精度较差（陈娜，2018；李泽邦，2018）。因此，有必要研发一种安全、精确的岩体结构面测量识别技术，为巷道结构面的精准解构和稳定性分析提供数据支持。

近年来，三维激光扫描岩体获取结构面信息备受关注，并被广泛应用于岩体非接触测量领域（许度等，2018；Kong et al.，2021；An et al.，2021）。李鹏宇等（2018）探讨了基于三维激光扫描的点云数据构建采场三维空间精细模型，并通过控制点云数据的不同取样和抽稀间隔来提高采场体积的计算精度；李杰林等（2020）基于一种无人机平台搭载便携的三维激光扫描设备实现了复杂作业环境下采空区空间形态的精确探测；梁玉飞等（2021）依托地面三维激光扫描获取滑坡边界点云数据进行滑坡破坏边界岩体结构特征分析，为滑坡成因分析提供了数据基础。以三维激光扫描技术为代表的非接触式测量方法，具有扫描距离远、扫描速度快、扫描精度高且能适用于各种复杂环境下结构面数据采集的优点（Chen et al.，2018；Li et al.，2019）。近年来，我国学者对三维激光扫描在岩体结构面测量中的应用进行了若干研究，并取得了一定成效。董秀军等（2006）对三维激光在结构面测量方向进行了研究，并阐述了三维激光在结构面测量中的应用前景；何秉顺等（2007）系统介绍了岩体结构面半自动识别和全自动识别2种三维激光技术及其应用；荆洪迪等（2015）基于三维激光扫描技术提取岩体结构面信息并进行优化，从而实现了对结构面的快速、高精度识别和分组。葛云峰等（2017）通过对结构面识别算法进行优化改进，实现了对岩体结构面信息的智能化识别与提取。李杰林等（2021）利用三维激光扫描技术对结构面信息进行扫录，结合结构面算法和人工辅助的方式，实现了对巷道结构面信息的快速、精确识别。郭登上等（2022）以裂隙岩体为例，利用区域生长算法对点云法向量夹角和曲率阈值进行分析，提出了一种精准、简便提取结构面并获取其产状信息的方法。胡武婷等（2023）以结构面点云为数据源，求解出点云局域平面的产状并改进分水岭算法，从而实现岩体优势结构面自动聚类，为岩体结构面精细化识别提供了可靠保证。目前，利用三维激光扫描技术识别并提取巷道结构面信息已成为巷道稳定性分析的研究热点之一，国内外学者围绕该热点方向开展了若干研究，并取得一定成果，但有关提高地下巷道结构面识别精度的技术仍有待深入研究。

本研究采用多种巷道结构面识别方法，以彝良驰宏矿业有限公司毛坪铅锌矿为研究对象，采用三维激光扫描技术开展井下巷道实测扫描作业，获取巷道围岩点云数据，开展基于巷道点云数据的结构面信息识别与几何特征提取，从而为巷道稳定性分析提供基础数据。

通过三维激光扫描获取地下巷道的点云数据，经过去噪、配准和坐标匹配处理后，即可获得完整还原的巷道点云模型，相当于将真实的地下巷道空间场景搬运至计算机内。获取结构面信息首先需要从点云数据中识别结构面，在点云数据中通过全自动、半自动和人工提取的方式来识别巷道围岩的结构面信息。

人工识别结构面方法是将现场采用罗盘、直尺等手动测量方式转化至计算机内进行，通过人工手动选取地下巷道出露的结构面点云数据。在点云数据中，结构面可以通过其所出露的点样本进行平面拟合，确定出结构面的综合产状。由于结构面出露的不规则性，部分区域结构面形态变化大，通过计算机算法难以自动识别，而利用人工选取方式往往更精确。

相较现场的人工测量，在点云数据中通过人工识别结构面的方法，可使作业人员的工作环境更舒适且平面拟合结果更准确。然而，人工结构面识别方法耗时较长，且不同测量人员获得的岩体结构面数量和产状可能不同，人为因素的主观影响较大。

全自动结构面识别方法基于计算机算法实现点云数据的自动识别，利用三维激光扫描设备所获取的地下巷道点云数据，快速、智能地获取点云模型中的结构面信息。全自动识别方式能够极大地减少结构面识别中人为因素的主观影响，减少作业人员的工作时间，提高作业效率。但是，全自动识别方式对于地下巷道不规则结构面出露的识别精度不高，且当点云数据量过大时，往往存在程序运行缓慢和冗余数据量大等缺点。

半自动结构面识别方法是通过人工干预方式有针对性地选取识别范围，进而指导计算机进行自动识别，可以减少自动识别程序运行的时间，提高识别精度。对于地下金属矿山而言，由于巷道围岩硬度较高，因此普遍采用钻爆法进行掘进，在爆破过程中容易产生岩体损伤，造成次生结构面发育。采用全自动算法难以在点云数据中准确区分构造性结构面与非构造性结构面，而采用人工识别方法存在测量周期较长以及人工测量造成主观偏差等问题。因此，通常选取“人工+半自动”识别相结合的方法进行地下巷道岩体结构面的识别。

毛坪铅锌矿位于云南省昭通市彝良县，巷道内岩体结构类型为层状碎裂结构。该岩组结构面主要为节理、断层及层间软弱泥灰岩夹层。由于受破碎带和软弱夹层的影响，局部地段岩体发生塑性变形，其变形随时间推移具有明显的流变性。该岩组稳定性差，硐室易形成局部冒落和整体变形，在泥质页岩的下盘部位，巷道侧帮发生片状剥落，整体稳定性差。由于调查区域还可能存在巷内结构面出露区域不连续，如采用传统方式进行采样需要多次布点，测量工作繁琐，且测量结果不精确。因此，选择具有数据获取快、精度高和非接触测量等优势的三维激光扫描技术，对毛坪铅锌矿910 m中段运输巷道进行岩体结构面工程调查。

选取毛坪铅锌矿南部910 m中段的120 m运输巷道进行现场扫描测量，如图1所示。结合现场扫描区域，采用Maptek SR3三维激光扫描仪进行测量，以5 m间距为一个点位确定架设站点，如图2所示。三维激光能够全面、精确地捕捉到巷道表面的起伏，尽可能减少扫描盲区，从而准确识别巷道内部的结构面特征。在扫描过程中，需选取4X扫描精度，该精度可达到每秒百万点，但是单个站点扫描所需时间较长，扫描完成一个站点所需时间为7 min 24 s。

将现场扫描所获取的初始点云数据，导入Pointstudio点云处理软件中，经过过滤、去噪和拼接等操作，获取所扫描巷道点云数据，如图3所示。本次测量的巷道长度为120 m，所扫描点数为4 430万个，平均点间距为6 mm，距离误差为±3 mm，符合测量的要求。

点云模型的坐标和方位需要对照真实坐标点进行转换，若巷道坐标和方位与实际矿山巷道不一致，将会影响所提取结构面倾向和倾角的准确性。将扫描作业过程中所提取的对照真实坐标进行输入匹配，并与带真实坐标的巷道平面图进行校准（图4），即可得到真实的点云坐标。

测量总耗时4 h，相较传统的人工工程地质调查，Maptek SR3三维激光扫描仪的扫描速度较快。从扫描数据可以看出，在地下巷道扫描过程中，受扫描区域管线、积水和喷锚支护等遮挡物的影响，所获取的巷道点云数据不可避免地存在部分空白，但点云数据的可视性总体较好，获得的围岩结构面的整体扫描效果较好，如图5所示。

为了验证基于三维激光扫描点云数据的巷道围岩结构面特征识别方法的准确性、适用性和高效性，矿山现场技术人员使用罗盘对结构面进行了人工测量。将采用人工识别方法获取的结果与人工测量获取的结果进行对比验证，结果如图6所示。

（1）对比验证实例一

选取本次实测巷道中的某一个围岩壁面点云数据进行验证。通过点云数据识别测量的单个结构面产状与现场实际同一点位使用罗盘测量的产状进行对比，如图6所示。从获取的点云数据中识别得到岩体结构面的平均倾向为2°，平均倾角为60°。现场人工测量结构面的平均倾向为4°，平均倾角为64°。综合来看，基于点云数据的巷道围岩结构面特征人工识别方法与现场使用罗盘测量获得的产状误差在5°以内，说明基于点云数据的巷道围岩结构面特征人工识别方法能够满足测量精度要求。

（2）对比验证实例二

选取实测巷道中的某一个围岩壁面点云数据进行验证。通过在点云数据中布置4个测量点，识别点云数据中的单个结构面产状并与现场使用罗盘测量获取的产状进行对比（图7），二者误差结果如表1所示。由表1可知，测量点1、测量点2和测量点3的产状与现场罗盘测量结果的误差较大，倾向最大误差为24°，倾角最大误差为14°，而测量点4与现场罗盘测量的产状误差在5°以内。

出现上述现象的主要原因是岩体结构面存在一定程度的起伏，因此在同一个结构面中的不同测点所获取的结构面产状会存在差异。同时，该结果也间接反映了传统的罗盘测量方式容易产生人为选点的客观误差，且测点数量有限。然而，在基于点云数据的人工识别方法中，可以方便地选取全结构面区域进行结构面产状测量，实现多点测量，减少了不同测量点及结构面起伏度带来的产状测量误差，测量结果更加准确。

选取现场扫描巷道的某一段围岩壁面进行结构面半自动识别与人工识别验证，如图8所示。通过比较半自动识别与人工识别结果可知：半自动识别方法花费时间为1 min，共识别出295条结构面数据，而人工识别花费时间为10 min，仅识别出75条件结构面数据。其原因是，半自动识别是根据计算机程序的查找功能自动拟合识别结构面，因此相比人工识别，半自动识别方法所获得的岩体结构面数量更多且效率更高，所得到的岩体结构特征更全面。同时，结构面半自动识别分组结果获取的3组结构面数据（222°∠67°、88°∠75°和55°∠69°）也比人工识别结果获取的1组结构面产状（223°∠64°）更加全面。

从结构面识别的点云数据特征来看，人工识别所选取的结构面特征更明确，对于结构面边缘的把控更为精细，半自动识别不可避免地出现点云数据的过分割或欠分割现象，因此针对点云数据结构面分割的参数优化十分重要。

在Pointstudio软件基础上，针对点云数据结构面特征识别算法进行改进研究，主要利用“人工+半自动”识别方法进行结构面识别。对于巷道围岩中出露形态不规整、出露面积较小（线状出露）以及形态复杂的结构面，采用人工识别方法进行识别，而对于局部出露较规整和出露面积较大的结构面则采用半自动识别方法进行识别。

按照制定的地下巷道岩体结构面特征识别技术规程，考虑到该段巷道地质结构发育的差异性以及现场管线、喷浆支护等因素对扫描数据质量的影响，将长度为120 m的巷道划分成3段研究区域，每段研究区域的长度为40 m，如图9所示。

以第一段巷道区域为例，在进行岩体结构面识别之前，将巷道点云数据划分为巷道顶板、巷道南侧边帮和巷道北侧边帮，如图10所示。由图10可见，在巷道北侧区域布满了管线，可视性较差，围岩壁面出露区域较少，为此巷道北侧区域采用Pointstudio软件进行岩体结构面识别。巷道南侧边帮靠近底板区域，围岩壁面的可视性较好，但靠近顶板区域布满电缆，影响了巷道围岩的结构面出露视线，为此巷道南侧边帮靠近底板部分可采用半自动识别程序进行结构面识别，靠近顶板部分采用Pointstudio软件进行人工结构面识别。巷道顶板区域结构面出露特征较为明显，且管线等明显遮挡物体较少，为此巷道南侧边帮靠近底板部分采用半自动识别程序进行结构面识别，同时采用Pointstudio软件进行辅助识别。

参照第一段巷道的划分，对三段巷道的巷道顶板、北部边帮和南部边帮进行岩体结构面“人工+半自动”识别，采用Dips软件进行结构面优势组划分，如图11所示。从识别分组结果来看，第一段巷道共识别出2组优势结构面，产状分别为240°∠15°和110°∠10°；第二段巷道共识别出2组优势结构面，产状分别为87°∠75°和260°∠66°；第三段巷道共识别出1组优势结构面，产状为189°∠83°。

由图11可知，云南彝良驰宏矿业有限公司毛坪铅锌矿南部巷道的总体结构面发育程度不高，但第二段巷道所识别出的2组结构面优势组的倾向与巷道轴线方向相近，且结构面倾角较大，容易切割岩体形成可动岩块。显然，第二区段的点云数据质量最高，相比之下，第一区段和第三区段的点云数据质量较低，因而识别出来的结构面产状信息少，甚至缺失。巷道的三段区域所识别出来的优势结构面产状和数量不同，这是由每段区域的三维激光扫描点云数据质量决定的。巷道的三段区域虽然相连，但是受围岩喷浆支护和管线架设的影响，采用三维激光扫描所获取的点云数据差别较大，部分区段的点云数据质量较差，甚至空白，严重影响了岩体结构面识别作业。因此，开展井下巷道三维激光扫描作业，必须在裸露围岩上进行，以实现高质量地质编录和工程地质调查工作。

在岩体工程地质调查中，结构面迹长也是一个很重要的参数，基于点云数据可以方便、快捷地开展结构面迹长估计分析工作。选取南部区域巷道扫描点云数据中长度为13.81 m的南侧巷道壁面区域作为研究区域（图12），采用“半自动+人工”点云数据结构面识别方法进行结构面提取分析。

采用基于点云数据的结构面识别方法，开展巷道研究区域结构面识别工作，在所选取的研究区域巷道中共识别出28条结构面数据（表2），识别结果如图13所示。其中，表2中的“距离”为距东侧起始点的直线距离，可以看出利用本文方法可以得到结构面产状（倾角、倾向）和长度等几何特征（表中未列出结构面填充物特性、渗流情况和岩性特征等信息）。

事实上，结构面的填充物厚度、张开度、粗糙度和渗流特性均可从点云数据中获取，例如：结构面的填充物厚度和张开度可通过点云数据进行尺寸长度的测量；结构面的粗糙度可通过曲率检测算法来计算面状结构面特征的起伏度；结构面的渗流特性可结合三位激光扫描仪器的实时摄像功能，通过点云—图像匹配来确认现场的渗流特性。此次扫描巷道现场管线和巷道喷浆支护对点云数据造成了影响。由图14可以看出，受扫描工况的影响，存在部分点云数据缺失，因此部分参数未在此次测量中体现。因此，在实际工程地质调查中，工程人员可利用三维激光扫描技术将结构面几何特征通过点云数据整合传输到计算机来减少繁琐的罗盘及现场测量过程。同时，在激光扫描过程中，重点对区域节理裂隙的填充物硬度和岩石脆性等具有代表性的物理力学特征进行分析。

表2只展现了结构面的出露特征，结构面的几何特征还需借助其他软件和算法进行描述。根据表中的结构面数据，利用Dips软件对结构面数据产状进行分析，可以看出该区域出露结构面产状为309°∠66°，Fisher系数为14.2，如图15所示。

（1）利用三维激光扫描技术能够快速、精确地开展矿山巷道中岩体结构面识别工作，其扫描的高密度点云数据能够满足地下巷道所需要的精度要求，但在现场测量过程中应注意避开巷道管线、喷浆支护和积水等遮挡物。

（2）基于三维激光扫描技术开展地下巷道岩体结构面测量及识别研究。针对巷道围岩中出露形态复杂的结构面，采用“人工+半自动”识别相结合的方法进行识别，所获取的结构面数据更加精确、全面，相比单一的测量方法，能够有效提高作业人员的工作效率。

（3）由于三维激光扫描具有高精准度和便捷等优点，“人工+半自动”识别相结合的方法在地下巷道岩体结构面测量和识别中得到了进一步优化。但考虑到采用全自动识别方法进行巷道岩体结构面识别，其结果更为准确，在复杂巷道岩体中实现结构面全自动识别需要进一步研究。