一种基于深度学习的无靶标边坡视觉变形监测方法及系统

本发明提供了一种基于深度学习的无靶标边坡视觉变形监测方法及系统，本发明旨在解决现有边坡监测技术依赖人工靶标、复杂自然环境下特征匹配不稳定、无法区分相机微振动与边坡真实变形的技术问题。本发明采用SuperPoint网络提取边坡自然纹理特征点，通过LightGlue网络进行特征匹配并经置信度初筛，利用RANSAC算法估计单应性矩阵补偿相机全局运动，计算特征点重投影残差作为变形指标，结合区域网格化统计与多时序趋势分析实现风险评估。本发明无需布设人工靶标，在光照剧变、纹理稀疏重复等复杂场景下鲁棒性强，可有效分离全局干扰与局部变形，输出具有工程解释性的风险结果，为边坡地质灾害预警提供可靠技术支撑。