边坡灾害是工程建设的主要病害之一,具有突发性强、防治难度大的特点,极易造成交通中断、建筑坍塌等严重安全事故,导致重大财产损失及人员伤亡。传统的边坡人工检查方法存在风险高、难度大、效率低等问题,难以服务于长周期、高频率的边坡灾害调查。本研究利用机器视觉、摄影测量、无人机系统等人工智能技术,开展智能化边坡灾害监测方法,提出了基于无人机倾斜摄影的三维重建与灾害识别方法。本文所提出的边坡监测方法将提高边坡巡检效率、降低风险、减少难度,具有重要的工程实用价值和社会价值。主要研究内容如下:（1）基于运动恢复结构和多视图立体匹配（Structure from Motion with MultiView Stereo,Sf M-MVS）算法的边坡三维模型重建方法研究。首先,基于倾斜摄影技术获取边坡多视图影像;进一步,组合尺度不变特征变换（Scale-invariant feature transform,SIFT）算法、Sf M算法、PMVS算法,重构出点间距小于1mm的三维点云模型;最终,通过构建不规则三角网格、封装三维白膜、纹理映射,重构出整体精度优于3.0cm,X、Y方向精度毫米级的三维实景模型。（2）基于多尺度模型到模型云比较（Multiscale Model to Model Cloud Comparison,M3C2）算法的边坡灾害识别方法研究。首先,在点云降采样的基础上,基于统计异常值剔除（Statistical Outlier Removal,SOR）算法对点云异常点进行剔除,获取优质基础点云;进而,结合工程经验法与迭代最近点法（Iterative Closest Points Algorithm,ICP）算法,将位置误差高达数米的两期点云成功配准至厘米级;最终,基于M3C2点云分析算法,优化法向量拟合半径参数,自动化识别出边坡区域内变化物,并实现变化值量化。（3）基于无人机倾斜摄影的三维建模与灾害识别方法的工程应用研究。在湖南省某边坡工程中,首先,基于倾斜摄影获取边坡灾害前后影像;进而,重构密度毫米级三维点云模型,建立精度优于2.7cm的三维实景模型;其次,经预处理获取优质配准点云,引入M3C2算法,成功识别边坡灾害区域及其变化量;最终,结合三维实景模型提取出潜在危险区高差1.38cm、距离、2.87cm的裂缝。在江西省某边坡工程中,重构密度毫米级三维点云模型,建立精度优于2.0cm的三维实景模型;其次,依据该边坡工程设计图纸,构建出边坡灾害前多处断面点云数据;进一步,以M3C2算法对比分析灾害前后断面点云数据,确定了与设计图纸最大偏差位置与不规则变形区;最终,结合三维实景模型发现,在不规则变形区域存在宽度达到11.0cm左右裂缝。