我国地域辽阔、地形复杂,近年来一些极端气象灾害和人们对地理环境的不合理开发使得地质灾害频频出现。而在地质灾害中,边坡的相关灾害数量最多、影响范围最大,频发的边坡灾害极大的影响了我国的经济建设和人民的生命财产安全。为了能及时了解边坡整体状态,从而预防边坡灾害进而保障人民的生产生活安全,就需要采用科学的方法对边坡展开长期的监测。传统的边坡监测方法是通过人工使用各类监测仪器的方式对边坡的各项数据进行采集,这种方式准确度低且费时费力。近年来涌现出的边坡自动化监测技术主要有GNSS技术、三维激光扫描技术、合成孔径干涉雷达、测量机器人等等。这些方法在边坡监测领域发挥着各自的优势,但也存在设备安装困难、成本高昂等不足。因此,为了开发出一款低成本、高精度、布设简单的边坡位移监测系统,本文提出了一种基于双目视觉的边坡位移监测新方法。主要进行了如下研究工作:1、提出一种基于双目视觉的边坡位移监测方法,该方法的基本原理是在待测边坡安设若干人工标志物,通过双目相机对其进行图像采集,再进行识别、定位、三维坐标计算从而得到标志点的位移。设计了一款适用于远距离监测的人工标志物,介绍了该系统布置原则以及根据监测结果判断边坡状态的方法。2、采用了张正友标定法进行相机标定,并利用双目视觉数学原理和实现了三维坐标的求解。通过两台工业相机组成了双目相机,采用不同规格标定板进行了双目相机标定实验,阐述了标定板规格对双目相机标定精度的影响,并选择了适合本系统的标定板规格。根据实验结果分析了影响标定精度的因素,给出了提高双目相机标定精度的建议。3、采用深度学习算法和图像处理技术实现了对复杂背景下标志物的识别和定位。采集了标志物在不同环境下的图像、制作了数据集,通过YOLOv5算法进行模型训练,训练的模型能够很好的识别和提取各种复杂背景下的标志物图像。运用了灰度直方图均值化、同态滤波、自适应阈值二值化、Canny边缘检测和椭圆拟合等操作实现标志物的定位。进行了不同标志物图像大小的定位精度实验以及光照变化下标志物的识别定位稳定性实验,实验结果表明该识别定位算法有着很好的精度和稳定性。4、基于以上的研究工作,开发出一套双目视觉边坡位移监测系统,进行了一系列的模拟边坡实验。分别在实验室内对不同距离和不同光照条件下的标志物进行了动态位移监测实验,距离和光照实验的监测结果分别与步进电机数据进行了对比;为了探究监测系统的稳定性,对不同距离和位置的多个标志物进行了24h的连续监测。实验结果表明该系统位移监测精度在20m内高达毫米级、并且在不同光照条件下有较好的稳定性,能够满足实际边坡位移监测需求。