随着我国露天矿山边坡高度在不断加大,滑坡等失稳现象逐年增多。结构面是影响边坡稳定性的重要因素,精确快速获取岩体结构面信息是露天矿山边坡稳定性评价的前提和基础,具有重要的工程实用价值。三维激光扫描技术是一种先进的全自动高精度立体扫描技术,与传统人工测量和摄影测量相比,突破了单点测量的约束,能够快速精确且全面获取边坡岩体的表面三维点云数据。然而,该技术在测量过程中产生了海量点云数据,如何从复杂、不规则的点云数据中进行结构面表面模型重构及优势产状分组是该技术工程应用的关键问题。为此,本文围绕上述关键问题,以边坡岩体点云数据为依托,开展了岩体结构面智能识别的系统研究,主要研究内容如下:(1)基于曲面插值法容易受噪声点影响而点云数据片段分割处理数据过程繁琐的现状,提出一种改进的模糊C均值算法对结构面实行曲面重建,并成功实现曲面重建过程。该方法以主成分分析法确定的点集中的所有点作为模糊C均值算法每一簇的聚类中心,通过求解空间样本数据对设定聚类中心的隶属度并不断迭代,求函数J_m的最小值,来达到岩体边坡结构面模型重建的目的,为本文创新点之一。该方法避免了曲面插值简化了运算过程,具有一定的实用价值。(2)在岩体边坡模型重建的基础上采用等角度下半投影法将结构面单位法向量转换为结构面产状信息,为结构面优势分组提供依据。(3)近邻传播聚类算法克服了传统K均值聚类算法对初始聚类中心敏感、易陷入局部最优的问题,以往研究已经成功应用于岩体结构面产状的优势分组,但仍未解决影响聚类结果并且决定最终聚类数目的输入参数P值的自动快速选择问题。为此,以从点云数据提取的结构面产状信息为研究对象,提出了一种自适应p值扫描技术的改进算法进行结构面优势分组,以两个结构面所夹锐角代替欧式距离作为相似性度量准则,建立结构面分组的数学模型,在迭代过程中动态减少p值,并引入Silhouette聚类有效性指标作为选择和评价聚类优劣的标准,以获取结构面的最优分组,为本文创新点之二。通过人工随机产生的结构面及实际工程测量的结构面的应用表明该方法在产状分组方面具有较高的可靠性,与Shanley和Mahtab方法、模糊C均值聚类、谱聚类和粒子群聚类方法相比具有更高的鲁棒性和计算效率。