三维岩石节理面数据库：310个带真实纹理的点云样本

岩石节理面的起伏形态会影响节理的接触状态、剪切强度、剪胀和渗流特征。传统二维轮廓只能截取表面的一条或数条剖面，难以完整表达三维粗糙度及其方向差异；接触式测量、激光或结构光扫描虽然能够获得三维形态，在野外批量采集时又常受设备、成本和操作条件限制。

Rock joint surface database 是一套面向上述问题的开放三维数据。研究团队利用野外摄影测量和 SfM–MVS 三维重建流程，从中国贵州荔波和挪威纳尔维克两个场地整理了 310 个岩石节理面样本。每个样本均提供带真实 RGB 纹理的 PLY 点云，并配有 TIF 表面图、粗糙度各向异性极坐标图和 Excel 参数表，适合用于节理面粗糙度评价、方向性分析、算法验证以及实体表面的数字化复现。

一、数据集概况

数据集的重点不是普通岩石照片，也不是裂缝语义分割标签，而是可计算的三维节理面几何。PLY 文件中的坐标可直接用于表面形态分析，RGB 属性则保留了岩石颜色和纹理信息，使几何特征与表观特征能够在同一数据对象上使用。

二、样本来自哪里

310 个有效样本按采集地点分为两个子库。关联论文对两处场地的说明如下：

两地在岩性和出露条件上的差异，使数据不仅具有数量优势，也包含可比较的表面形态。论文报告的总体结果是：Narvik 样本的粗糙度整体低于 Libo 样本，而各向异性特征并不遵循同一变化方向。这个结论来自原论文的群体统计，不应被理解为对任意单个样本的先验标签。

图 1　Libo 子库中的节理面三维表面示例。来源：数据集 Version 2，原始 TIF 转换为 PNG；许可为 CC BY-NC 3.0。

图 2　Narvik 子库中的节理面三维表面示例。与 Libo 样本相比，该示例的高程起伏较缓；这只是单样本观察，不能代替子库统计。

三、从野外照片到标准化点云

关联论文给出的处理路线可概括为六步：

1. 在野外使用数码相机和标定板采集具有充分重叠度的照片；
2. 通过 SfM–MVS 流程重建稠密点云；
3. 从场景点云中分割出独立节理面；
4. 对点云片段进行倾斜校正；
5. 识别并过滤噪点；
6. 将表面重采样为统一网格，形成可批量处理的标准数据。

作者使用白光扫描结果进行了精度比较，认为该摄影测量流程的表现可与白光扫描相当，并在批处理条件下达到亚毫米级精度。这里的“亚毫米级”是论文对其验证实验和既定流程的结论，不等同于所有用户经过重新缩放、滤波或网格化后仍能自动保持相同精度。

四、压缩包里有什么

Version 2 压缩包以 Libo 和 Narvik 为一级目录。两个子库采用相同结构：

Rock joint surface database/
├── Libo/
│   ├── 01 PLY File/          # 205 个带 RGB 的三维点云
│   ├── 02 TIF File/          # 205 幅节理面表面图
│   ├── 03 Polar Plot/        # 205 幅粗糙度各向异性极坐标图
│   └── Roughness Parameters.xlsx
└── Narvik/
    ├── 01 PLY File/          # 105 个带 RGB 的三维点云
    ├── 02 TIF File/          # 105 幅节理面表面图
    ├── 03 Polar Plot/        # 105 幅粗糙度各向异性极坐标图
    └── Roughness Parameters.xlsx

除少量 Windows desktop.ini 文件外，压缩包包含 310 个 PLY、310 个节理面 TIF、310 个极坐标图 TIF 和 2 个 Excel 工作簿。

PLY 点云的实际结构

对全部 310 个 PLY 文件的文件头进行核验后，可以确认它们采用 binary_little_endian 1.0 编码，并具有完全一致的字段：

element vertex 40401
property float x
property float y
property float z
property uchar red
property uchar green
property uchar blue

每个样本包含 40,401 个点，对应 201 × 201 的规则采样网格；X、Y 两个方向的相邻采样间隔均为 0.5，跨度均为 100 个坐标单位。PLY 文件头没有单独写明单位，结合论文中的标准样本尺度，应按毫米语境理解，但在与其他数据合并或送入数值模型前仍应自行核对尺度。

这些 PLY 只声明了顶点及颜色，没有写入三角形面片。因此，CloudCompare、MeshLab、Open3D 等软件首先会把它们作为点云读取。若要用于有限元/离散元网格、数控加工或 3D 打印，需要在保持点序和尺度的前提下构面，并检查法向、孔洞、边界和坐标方向。

Excel 粗糙度参数

两个 Roughness Parameters.xlsx 工作簿均包含 3 个工作表：

两个各向异性工作表均覆盖 0°–360°，方向步长为 5°，共 73 个方向列（0° 与 360° 同时保留以闭合极坐标曲线）。其中，PAP 是 projection area percentage，即投影面积百分比；θ*max/(C+1) 是基于三维表面微元倾角和潜在接触面积拟合得到的 Grasselli 粗糙度参数。其余符号的定义、公式和适用条件应以关联论文及对应方法文献为准，不宜仅凭列名互相换算。

图 3　数据集提供的极坐标图示例，红色方点为 PAP 方法，黑色三角点为 Grasselli 方法。曲线随方向变化，直观表达了节理面粗糙度的各向异性。

五、适合开展哪些研究

1. 三维粗糙度指标评价

可以直接从规则点云计算高程差、坡度、表面积比、方向性统计量或分形指标，并与工作簿中的既有参数交叉核验。由于所有样本采用统一的采样规模和字段，适合进行批量算法测试。

2. 粗糙度各向异性分析

73 个方向的 PAP 和 Grasselli 数据可用于绘制极坐标曲线、拟合主方向、计算各向异性比，并比较不同场地或不同形态样本的方向效应。分析时应把 0°/360° 视为同一方向，避免在统计中重复计数。

3. 点云处理与三维重建算法验证

规则采样、真实纹理和统一尺度适合测试点云滤波、法向估计、网格重建、曲面平滑、降采样及形态特征提取方法。若重新采样或平滑，应保留原始 PLY 作为只读基准，并记录参数对粗糙度指标的影响。

4. 数值模拟与实体复现

表面可以转为三角网格，作为节理剪切、接触或渗流模型的几何输入；也可通过 3D 打印、数控加工或模具翻制复现自然形态。需要注意，数据库提供的是表面几何和纹理，而不是完整的材料本构、法向应力、剪切强度或渗流实验标签，这些条件必须由研究者另行设计。

5. 数据驱动建模

310 个样本可用于粗糙度回归、表面表征学习或两场地之间的域差异研究，但原始包没有提供训练集、验证集和测试集划分。若同一母岩块或相邻切片之间存在相关性，随机按样本拆分可能造成数据泄漏；更稳妥的做法是先解析文件名层级和采集分组，再按组划分。

六、快速读取示例

使用 Open3D 可以直接读取 PLY 点云：

import open3d as o3d

cloud = o3d.io.read_point_cloud("Libo/01 PLY File/Libo-10-1-2-3.ply")
print(cloud)  # PointCloud with 40401 points
o3d.visualization.draw_geometries([cloud])

使用 pandas 可以查看粗糙度参数和方向数据：

import pandas as pd

book = "Libo/Roughness Parameters.xlsx"
roughness = pd.read_excel(book, sheet_name="Roughness")
pap_directional = pd.read_excel(book, sheet_name="Anisotropy-PAP", header=[0, 1])

print(roughness.columns.tolist())
print(roughness.shape)  # 205 行样本

各向异性工作表使用两行表头。读取后建议先整理为“样本—方向—指标值”的长表，再进行极坐标绘图、方向统计或机器学习建模。

七、使用前的限制与注意事项

1. 许可限制：数据采用 CC BY-NC 3.0，仅允许在遵守署名要求的前提下用于非商业目的；商业项目、再分发和衍生产品应先核对许可文本，并在有疑问时联系权利人。
2. 不是力学试验数据库：参数表描述几何粗糙度及方向性，不包含完整的直剪、渗流或材料属性数据，不能据此单独建立普适的强度关系。
3. PLY 没有面片和单位元数据：构面、缩放和坐标变换都可能改变后续结果，应记录处理流程并验证尺度。
4. 场地范围有限：样本只来自两个地点和两类主要岩性。跨地区、跨岩性应用时，应把它作为基准或预训练数据，而不是总体分布的无偏代表。
5. 版本要固定：论文或报告中应同时记录 Mendeley DOI、版本号 V2 和访问日期，避免后续更新造成复现差异。

八、下载与引用

• 数据页面：Mendeley Data：Rock joint surface database（Version 2）
• 数据 DOI：https://doi.org/10.17632/zmw8zc766s.2
• 关联论文：A practical photogrammetric workflow in the field for the construction of a 3D rock joint surface database

数据集可按以下信息引用：

Zhao, L.-H., Huang, D., Chen, J., Wang, X., Luo, W., Zhu, Z.-H., Li, D. & Zuo, S. (2021). Data for: A practical photogrammetric workflow in the field for the construction of a 3D rock joint surface database. Mendeley Data, V2. https://doi.org/10.17632/zmw8zc766s.2

关联论文引用为：

Zhao, L., Huang, D., Chen, J., Wang, X., Luo, W., Zhu, Z., Li, D. & Zuo, S. (2020). A practical photogrammetric workflow in the field for the construction of a 3D rock joint surface database. Engineering Geology, 279, 105878. https://doi.org/10.1016/j.enggeo.2020.105878

小结

这套数据库把野外节理面从照片转换为统一尺度、带真实纹理的规则三维点云，并把粗糙度及其方向变化一并整理为可计算表格。它的核心价值在于：研究者既能从原始几何重新计算指标，也能直接使用配套结果进行方法比较；既可研究二维或三维粗糙度，也可进一步开展网格重建、数值模拟和实体复现。只要在使用时处理好单位、构面、样本分组和非商业许可，它是一套结构清楚、复现成本较低的岩体力学基础数据。