露天矿是一个由人为干预产生的、易产生人为和非人为变化的工业生产场所,边坡和台阶是露天矿特征的主要构成模型结构,台阶和边坡的变化可以利用台阶的特征线清楚地描述出,台阶特征线的变化也对应着台阶和边坡的变化,边坡的滑动和变化监测是露天矿生产和安全管理的重要内容。传统的边坡监测手段主要是全站仪测量机器人对边坡上的固定有限个监测点进行监测,得到变化检测的结果,但检测点数量有限、覆盖范围受限、效率较低。本文分析了点云模型特征线提取国内外研究现状,目前露天矿台阶特征线的提取多采用手动人机交互提取方式,为提高变化检测自动化程度,本文针对露天矿三维点云模型台阶特征线的自动提取进行了相关的研究。研究的主要内容包括:针对露天矿三维点云数据三角网格模型进行离散曲率分析,首先,对点云原始数据进行了曲率重采样、坐标转换、滤波等预处理;然后,通过对点云数据构建Delaunay三角网格模型进行离散曲率分析,计算顶点的法矢、高斯曲率、主曲率、平均曲率等参数,得到该模型的可视化的曲率值云彩图;最后,通过Morse-Smale复形的方法,设定特征线的指标函数、特征线的显著度,获得露天矿的台阶特征线,并对提取到的特征线进行平滑处理,得到光滑的露天矿台阶内外特征线。通过多期点云数据,得到露天矿的台阶特征线、坡度值、坡向值、等高线值进行变化检测,检测出台阶的特征变化与坡度、坡向、高度差、岩土方量等之间的变化关系,通过露天矿多个变化检测参数对露天矿进行了四维的变化检测研究。在算法研究的基础上,对西露天矿2013-2014年两期激光扫描数据和齐大山矿扫描数据进行实验,验证了本文算法研究的正确性。研究的结果证明基于离散曲率分析的露天矿三维点云特征变化检测在边坡台阶变化检测、以及露天矿的生产和安全管理领域具有一定的应用价值。