CN108830317A - 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 - Google Patents

Abstract

一种基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法，所述方法包括以下步骤：(1)现场结构面产状接触式测量；(2)结构面数字摄影精细测量；(3)结构面数据分析与处理；(4)结构面产状K均值聚类与统计分析。本发明采用数字摄影测量方法获得结构面产状数据，利用K均值聚类方法进行了结构面分组，并在各组结构面产状统计分析的基础上，结合野外现场测量结果，确定了边坡各组岩体结构面产状的统计分布规律与统计特征值，将野外现场调查与室内统计分析相结合。

Description

基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取 值方法

技术领域

本发明涉及一种露天矿山边坡岩体节理产状快速精细取值方法，特别的是本发明是采用数字摄影测量方法获得了岩体结构面产状数据，利用K均值聚类方法进行了结构面分组，在各组结构面产状统计分析的基础上，结合野外现场测量结果，确定边坡各组岩体结构面产状的统计分布规律与统计特征值，野外现场调查与室内统计分析相结合，显著提高了露天矿山边坡岩体结构面产状确定的可靠性，本发明属于工程技术领域。

背景技术

结构面是边坡岩体中由力学强度较低的部位或岩性相对软弱的夹层构成的不连续面，岩体的变形与稳定性主要取决于结构面的发育条件。露天矿山边坡的稳定性受岩体结构面控制，结构面的产状、规模、组合型式及其与边坡面的空间组合关系决定了矿山边坡潜在的破坏模式。同时，结构面的力学特性决定了矿山边坡潜在滑移破坏的可能性。为了实现露天矿山边坡稳定性精细评价，必须建立正确的计算模型，调查清楚边坡岩体结构面的发育特征(如产状、迹长、间距等)是边坡稳定性评价的基础，其中结构面产状精细确定是判断边坡潜在破坏模式、构建计算模型的关键。

目前，岩体结构面产状测量方法主要包括：测线法、窗口统计法、钻孔定向取芯法、摄影测量法和三维激光扫描法。近年来，一些代表性的岩体结构面产状研究如下：

赵兴东等(2014)公开了一种借助三维数字摄影测量系统对矿山采场岩体进行了现场原位节理扫描获得岩体结构产状等信息的方法，并结合巴顿岩体质量(Q)分类和岩体地质力学分类(RMR)方法对采场稳定性进行了分级，为合理选择采场结构参数及采场顶板支护形式提供可靠的基础数据。

刘增玉(2014)公开了一种通过不接触摄影测量方法快速精细量测边坡岩体结构面几何信息以获取优势结构面产状的方法，并利用块体理论对其进行分类汇总计算,判断块体是否为危岩体，提出了危岩体控制措施。

狄文(2014)公开了一种运用近景数字量测获取岩体结构面网络参数的工作流程方法，较传统方法更加合理高效；根据近景数字摄影测量解译得出的结构面数字化模型，为建立考虑露头面上结构面确定性信息的三维网络模型奠定了良好的基础。

韩东亮(2014)公开了一种运用测绘科学中非接触数字近景摄影测量技术进行岩体结构面几何信息获取的方法，在模型精度符合要求的前提下解译大量岩体结构面几何信息，为岩体稳定性评价提供了大量可靠的基础数据。

董秀军(2015)公开了一种在地质工程应用中三维激光扫描技术与数字摄影测量技术的融合方法，分析了三维点云数据结构面识别方法，讨论了结构面的提取方法，提出了平面方程拟合岩体结构面空间发育特征，并针对结构面空间不同的出露特征进行了研究。

王述红等(2017)公开了一种借助三维数字摄影测量技术获得结构面产状，根据不同的结构面产状概率分布函数对工程岩体的结构面进行模拟的方法，分析了基于不同结构面产状概率分布计算得到的关键块体体积的差异。

张忠海等(2017)公开了一种运用3D摄影数字图像处理技术在露天矿山边坡岩体进行不连续面测量的方法，可快速有效地完成边帮岩体不连续面采集测量、计算处理、归纳分组，获得倾向倾角、间距迹长等详细的几何信息，圈定优势不连续面组，为确定岩体类型和质量、不连续面网络模拟、分析判断边帮台阶破坏模式和稳定状况提供可靠的基础数据。

赵佳斌等(2017)公开了一种运用数字摄影测量得到的三维点云数据识别和分析岩石边坡出露的面状结构面的方法，并对结构面进行优势分组，同时与实测产状进行了对比，结果表明识别效果较好。

杨力龙(2017)公开了一种基于小型无人机倾斜航拍获取高陡边坡影像，并通过PIX4D航拍影像解译软件对图像进行解译，再对获取的三维坐标数据进行精度评定的方法，并进行了不同坐标系下的数据转换以及岩体结构面产状，岩体几何尺寸等几何信息的计算，最后结合工程实例对危岩体勘察评价。

杨天鸿等(2017)公布了一种运用先进数字摄影测量技术大规模获取岩体结构面参数的方法，并基于此建立三维裂隙网络模型，结合数值模拟研究岩体的稳定性及破坏模式。

胡瀚等(2018)公开了一种基于数字摄影测量的边坡结构面信息采集的控制测量方法，通过控制测量可以为边坡结构面信息的摄影测量获取提供准确、可靠的基准。

这些研究成果为岩体结构面产状的智能化提取提供了宝贵的研究基础与经验。然而，在前人研究中并没有给出详细、可靠的岩体结构面产状快速精细取值的方法。岩体结构面产状测量仅仅做到每一条结构面的精确测量是不充分的，必须以此为基础进行结构面的分组，依据分组后得到各组结构面的统计测量结果，确定出具有代表性的结构面产状。另一方面，目前有学者已经在结构面产状的聚类分析方法作了大量工作，其中K均值聚类算法是目前广泛应用的方法。然而，在K均值聚类算法中，聚类数目K需要事先指定，K值的确定非常难以估计，事先无法预知给定的数据集应该分成多少类别最为合适。此外，该方法对初值敏感，对不同的初值可能会导致不同的聚类结果，容易陷入局部最优。因此，针对目前技术方法的局限性，亟需提出一套完整的露天矿山边坡岩体结构面产状快速精细取值方法。

发明内容

为了解决露天矿山边坡岩体结构面产状精细快速取值问题，本发明提供一种露天矿山边坡岩体节理产状快速精细取值方法，采用数字摄影测量方法获得结构面产状数据，利用K均值聚类方法进行了结构面分组，并在各组结构面产状统计分析的基础上，结合野外现场测量结果，确定了边坡各组岩体结构面产状的统计分布规律与统计特征值，将野外现场调查与室内统计分析相结合。

为了解决上述技术问题，本发明提供如下的技术方案：

一种基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法，所述方法包括以下步骤：

(1)现场结构面产状接触式测量；

(2)结构面数字摄影精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体露头面尽量新鲜且无障碍物的边坡作为摄影测量区域；

2.2：根据选取测量区域，将标杆垂直的立于测量区域一侧，用于标定最后生成的三维图像上任意两点间的距离；

2.3：在岩体表面选取一块露头的、区域比较大、比较平滑的结构面作为标定点，用罗盘测量出倾向及倾角，并做标记，用于后处理时图像的方位真实化；

2.4：使用高分辨率相机，在选定区域正前方左、右位置，对岩体依次拍照，两次拍摄时，镜头离所测岩体的距离D及两次成像位置之间的距离B满足关系B＝D/8～D/5。

2.5:测点数据采集完成后，取回标杆，返回室内作进一步后处理操作；

(3)结构面数据分析与处理，过程如下：

3.1：将野外摄影测量所获取的左、右视图导入到软件分析系统；

3.2：采用一系列的技术(基准标定、像素点匹配、图像变形偏正纠正等)对左、右视图中的像素点进行匹配，合成岩体表面三维实体模型；

3.3：根据标杆尺寸以及罗盘量出的标定点产状，进行三维实体模型方位、尺寸和距离的真实化；

3.4：基于真实化的实体模型，使用电脑鼠标进行交互式操作来实现每个结构面的识别、定位以及几何信息真实参数(产状、迹长、间距等)的获取，并导出结构面数据信息。

(4)结构面产状K均值聚类与统计分析。

进一步，所述步骤(4)中，结构面产状K均值聚类与统计分析，过程如下：

4.1：将现场结构面产状接触式测量确定的K组结构面倾向A₀ ^*，倾角B₀ ^*，作为每个聚类确定一个初始聚类中心，得到K个初始聚类中心；

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到K组数据；

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心，假设某组内存在l个数据，求解它们的聚类中心采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)为任意结构面的单位法向量，i＝1,2，…，l；

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心；

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定；

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面的倾角数据进行统计分析，计算结构面倾角的平均值m与标准差σ，计算倾角数据的稳健区间[m-σ,m+σ]；

4.7：判断K组结构面的初始聚类中心的倾角B₀ ^*，是否落在稳健区间[m-σ,m+σ]范围内，若在该范围内，结构面聚类分析完成；若不在该范围内，说明初始聚类数目K估计不正确，需要对K值进行修改，将新的聚类数目K₁(K₁＝K+1)，带入4.1，重新按照4.1～4.6进行聚类，直到初始聚类中心的倾角B₀ ^*，落在稳健区间[m-σ,m+σ]范围内；

4.8：根据4.7得到的最后结构面分组情况，绘制各组结构面倾向、倾角的统计直方图，计算各组结构面的倾向、倾角平均值。

再进一步，所述步骤(1)中，现场结构面产状接触式测量的过程如下：

1.1：通过露天矿山边坡分级分析确定所需研究的边坡研究范围，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对每组结构面产状进行测量，结构面产状包括倾向A₀和倾角B₀，至少获得9个测点数据；

1.3：对于倾角小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状数据的算术平均值，即倾向A₀ ^*和倾角B₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状；

对于倾角大于80°的结构面，每组结构面产状数据依据结构面倾向，按产状数据集中原则归类剔除异常数据后，计算其余5个产状数据的算术平均值，即倾向A₀ ^*和倾角B₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状。

本发明的有益效果是：采用数字摄影测量方法快速获得结构面产状数据，将现场结构面产状接触式测量结果作为初始聚类中心，利用K均值聚类方法进行了结构面分组，并在各组结构面产状统计分析的基础上，结合野外现场测量结果对分组结果进行检验，确定了边坡各组岩体结构面产状的统计分布规律与统计特征值。

附图说明

图1是露天矿山边坡结构面产状极点图。

图2是第一组结构产状统计分布规律。

图3是第二组结构产状统计分布规律。

具体实施方式

下面参照附图对本发明做进一步说明。

参照图1～图3，一种基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法，包括现场代表性结构面产状测量、结构面数字摄影精细测量、结构面点云数据分析与处理、结构面产状K均值聚类与统计分析四个方面内容，各个部分内容具体介绍如下：

(1)现场结构面产状接触式测量，过程如下：

1.1：通过露天矿山边坡分级分析确定所需研究的边坡研究范围，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对每组结构面产状进行测量，结构面产状包括倾向A₀和倾角B₀，至少获得9个测点数据；

1.3：对于倾角小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状数据的算术平均值，即倾向A₀ ^*和倾角B₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状；

对于倾角大于80°的结构面，每组结构面产状数据依据结构面倾向，按产状数据集中原则归类剔除异常数据后，计算其余5个产状数据的算术平均值，即倾向A₀ ^*和倾角B₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状；

(2)结构面数字摄影精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体露头面尽量新鲜且无障碍物的边坡作为摄影测量区域；

2.2：根据选取测量区域，将标杆垂直的立于测量区域一侧，用于标定最后生成的三维图像上任意两点间的距离；

2.3：在岩体表面选取一块露头的、区域比较大、比较平滑的结构面作为标定点，用罗盘测量出倾向及倾角，并做标记，用于后处理时图像的方位真实化；

2.4：使用高分辨率相机，在选定区域正前方左、右位置，对岩体依次拍照，两次拍摄时，镜头离所测岩体的距离D及两次成像位置之间的距离B满足关系B＝D/8～D/5。

2.5:测点数据采集完成后，取回标杆，返回室内作进一步后处理操作。

(3)结构面数据分析与处理，过程如下：

3.1：将野外摄影测量所获取的左、右视图导入到软件分析系统；

3.2：采用一系列的技术(基准标定、像素点匹配、图像变形偏正纠正等)对左、右视图中的像素点进行匹配，合成岩体表面三维实体模型；

3.3：根据标杆尺寸以及罗盘量出的标定点产状，进行三维实体模型方位、尺寸和距离的真实化；

3.4：基于真实化的实体模型，使用电脑鼠标进行交互式操作来实现每个结构面的识别、定位以及几何信息真实参数(产状、迹长、间距等)的获取，并导出结构面数据信息。

(4)结构面产状K均值聚类与统计分析，过程如下：

4.1：将现场结构面产状接触式测量确定的K组结构面倾向A₀ ^*，倾角B₀ ^*，作为每个聚类确定一个初始聚类中心，得到K个初始聚类中心；

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到K组数据；

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心，假设某组内存在l个数据，求解它们的聚类中心采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)为任意结构面的单位法向量，i＝1,2，…，l；

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心；

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定；

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面的倾角数据进行统计分析，计算结构面倾角的平均值m与标准差σ，计算倾角数据的稳健区间[m-σ,m+σ]；

4.7：判断K组结构面的初始聚类中心的倾角B₀ ^*，是否落在稳健区间[m-σ,m+σ]范围内，若在该范围内，结构面聚类分析完成；若不在该范围内，说明初始聚类数目K估计不正确，需要对K值进行修改，将新的聚类数目K₁(K₁＝K+1)，带入4.1，重新按照4.1～4.6进行聚类，直到初始聚类中心的倾角B₀ ^*，落在稳健区间[m-σ,m+σ]范围内；

4.8：根据4.7得到的最后结构面分组情况，绘制各组结构面倾向、倾角的统计直方图，计算各组结构面的倾向、倾角平均值。

以浙江省台州市某露天矿山边坡岩体作为研究对象，介绍本发明的具体实施方式：

(1)现场结构面产状接触式测量，过程如下：

1.1：通过对某矿山边坡进行分级分析确定了矿山A边坡和矿山B边坡，以矿山A边坡作为研究对象，测量该边坡的高度与宽度，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对每组结构面产状进行测量，结构面产状包括倾向A₀和倾角B₀，至少获得9个测点数据；

1.3：结构面倾角均小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状数据的算术平均值，代表这两组结构面总体规律的产状分别为33°∠242°、68°∠85°。

(2)结构面数字摄影精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体露头面尽量新鲜且无障碍物的边坡作为摄影测量区域；

2.2：根据选取测量区域，将标杆垂直的立于测量区域一侧，用于标定最后生成的三维图像上任意两点间的距离；

2.3：在岩体表面选取一块露头的、区域比较大、比较平滑的结构面作为标定点，用罗盘测量出倾向及倾角，并做标记，用于后处理时图像的方位真实化；

2.4：使用高分辨率相机，在选定区域正前方左、右位置，对岩体依次拍照，两次拍摄时，镜头离所测岩体的距离D及两次成像位置之间的距离B满足关系B＝D/8～D/5；

2.5:测点数据采集完成后，取回标杆，返回室内作进一步后处理操作；

(3)结构面数据分析与处理，过程如下：

3.1：将野外摄影测量所获取的左、右视图导入到软件分析系统；

3.2：采用一系列的技术(基准标定、像素点匹配、图像变形偏正纠正等)对左、右视图中的像素点进行匹配，合成岩体表面三维实体模型；

3.3：根据标杆尺寸以及罗盘量出的标定点产状，进行三维实体模型方位、尺寸和距离的真实化；

3.4：基于真实化的实体模型，使用电脑鼠标进行交互式操作来实现每个结构面的识别、定位以及几何信息真实参数(产状、迹长、间距等)的获取，并导出结构面数据信息；

(4)结构面产状K均值聚类与统计分析，过程如下：

4.1：将现场结构面产状接触式测量确定的2组结构面产状33°∠242°和68°∠85°，作为每个聚类确定一个初始聚类中心，得到2个初始聚类中心；

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到2组数据；

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心，假设某组内存在l个数据，求解它们的聚类中心采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)(i＝1,2，…，l)为任意结构面的单位法向量；

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心；

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定；

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面的倾角数据进行统计分析，计算结构面倾角的平均值m与标准差σ，计算得到第一组结构面的倾角数据的稳健区间[25,40]，第二组结构面的倾角数据的稳健区间[55,80]；

4.7：判断可知两组结构面的初始聚类中心的倾角均落在稳健区间范围内；

4.8：根据4.7得到的最后结构面分组情况，分别绘制第一组、第二组结构面倾向、倾角的统计直方图如图2和图3所示。第一组结构面的倾向的平均值为242.1°、倾角平均值为32.7°，第二组结构面的倾向的平均值为84.9°、倾角平均值为67.8°。

Claims (3)

1.一种基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法，其特征在于，所述方法包括以下步骤：

(1)现场结构面产状接触式测量；

(2)结构面数字摄影精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体露头面尽量新鲜且无障碍物的边坡作为摄影测量区域；

2.2：根据选取测量区域，将标杆垂直的立于测量区域一侧，用于标定最后生成的三维图像上任意两点间的距离；

2.3：在岩体表面选取一块露头的、区域比较大、比较平滑的结构面作为标定点，用罗盘测量出倾向及倾角，并做标记，用于后处理时图像的方位真实化；

2.4：使用高分辨率相机，在选定区域正前方左、右位置，对岩体依次拍照，两次拍摄时，镜头离所测岩体的距离D及两次成像位置之间的距离B满足关系B＝D/8～D/5。

2.5:测点数据采集完成后，取回标杆，返回室内作进一步后处理操作。

(3)结构面数据分析与处理，过程如下：

3.1：将野外摄影测量所获取的左、右视图导入到软件分析系统；

3.2：采用一系列的技术(基准标定、像素点匹配、图像变形偏正纠正等)对左、右视图中的像素点进行匹配，合成岩体表面三维实体模型；

3.3：根据标杆尺寸以及罗盘量出的标定点产状，进行三维实体模型方位、尺寸和距离的真实化；

3.4：基于真实化的实体模型，使用电脑鼠标进行交互式操作来实现每个结构面的识别、定位以及几何信息真实参数(产状、迹长、间距等)的获取，并导出结构面数据信息。

(4)结构面产状K均值聚类与统计分析。

2.如权利要求1所述的一种基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法，其特征在于，所述步骤(4)中，结构面产状K均值聚类与统计分析，过程如下：

4.1：将现场结构面产状接触式测量确定的K组结构面倾向A₀ ^*，倾角B₀ ^*，作为每个聚类确定一个初始聚类中心，得到K个初始聚类中心；

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到K组数据；

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心，假设某组内存在l个数据，求解它们的聚类中心采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)(i＝1,2，…，l)为任意结构面的单位法向量；

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心；

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定；

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面的倾角数据进行统计分析，计算结构面倾角的平均值m与标准差σ，计算倾角数据的稳健区间[m-σ,m+σ]；

4.7：判断K组结构面的初始聚类中心的倾角B₀ ^*，是否落在稳健区间[m-σ,m+σ]范围内，若在该范围内，结构面聚类分析完成；若不在该范围内，说明初始聚类数目K估计不正确，需要对K值进行修改，将新的聚类数目K₁(K₁＝K+1)，带入4.1，重新按照4.1～4.6进行聚类，直到初始聚类中心的倾角B₀ ^*，落在稳健区间[m-σ,m+σ]范围内；

4.8：根据4.7得到的最后结构面分组情况，绘制各组结构面倾向、倾角的统计直方图，计算各组结构面的倾向、倾角平均值。

3.如权利要求1或2所述的一种基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法，其特征在于，所述步骤(1)中，现场结构面产状接触式测量的过程如下：

1.1：通过露天矿山边坡分级分析确定所需研究的边坡研究范围，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对每组结构面产状进行测量，结构面产状包括倾向A₀和倾角B₀，至少获得9个测点数据；

1.3：对于倾角小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状数据的算术平均值，即倾向A₀ ^*和倾角B₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状；

对于倾角大于80°的结构面，每组结构面产状数据依据结构面倾向，按产状数据集中原则归类剔除异常数据后，计算其余5个产状数据的算术平均值，即倾向A₀ ^*和倾角B₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状。