地面三维激光扫描仪可以无接触被测目标而直接获得其表面的高精度、高密度的空间三维坐标,即点云数据,然后对其处理后并构造出高精度、高分辨率的三维数字模型,因此,广泛地应用在边坡变形监测之中。论文详细地介绍了地面三维激光扫描仪,在此基础上结合露天矿山边坡监测数据及处理后成果的分析,探索了基于地面三维激光扫描的露天矿山边坡变形监测理论与方法。本文以地面三维激光扫描仪获取的露天矿边坡点云数据为样本,采用Riscan_Pro和Geomagic软件对边坡多测站点云数据配准方法以及变形监测与分析方法进行了研究。首先,选择实例数据对不同的点云配准方法进行分析,并联合测量机器人技术进行精度评估,找出矿山边坡点云数据的最佳配准方法。其次,根据研究区边坡的实际自然地形特征,从边坡面、线、点特征方面进行相应的变形监测和分析实验。最后,利用近景摄影测量监测技术进行对比分析和验证,完成矿山边坡变形监测研究。主要工作及成果如下:1、点云配准方法研究。基于特征的点云配准方法不适合远距离扫描获得的大范围矿山边坡点云数据,而GPS_RTK配准方法可以有效地对边坡多测站点云进行拼接并直接转换到实际工程坐标系中,且在现有露天矿条件下结合测量机器人技术验证GPS_RTK配准精度比基于特征的点云配准精度高,且其配准效率和操作简便性要胜于其他方法。所以本文选择GPS_RTK点云配准法作为实验最佳方法。2、基于边坡点云数据,采用多时相边坡整体DEM叠加分析、切片叠加分析和等高线重合分析三种方法对边坡变形监测进行研究。结果表明:边坡形变量呈现两极分化现象,据局部边坡表现不同程度分为滑坡区和稳定区,从偏差色谱分布图、偏差值及相邻等高线的重合分析图显示实验区南端靠近开采区位置在第二(7月份)、第四(9月份)和第五期(10月份)发生滑坡现象。其中,第二期整体3D最大偏差为5.0944m,上横轴切片(Z=70m)2D最大偏差为2.8692m,而完全处于滑坡区域中的纵轴切片(Y=1220m)2D最大偏差为2.8781m,标准偏差为1.0118m;第四期相对第三期整体3D最大变化为2.7146m/-2.4269m,累计最大偏差为5.0587m,下横轴切片(Z=50m)变化大于上横轴切片,2D最大偏差为1.3275m;第五期整体偏差超出临界范围值占总值0.5254%,累计偏差最大为7.7480m,横切片最大2D偏差为2.8576m,纵轴切片(Y=1220m)最大2D偏差为2.8256m,标准偏差为0.8753m;而处于稳定区的纵轴切片(Y=1500m)在整个周期基本处于不变状态,标准偏差最小为0.0023m,最大为0.0059m。3、基于摄影测量获得的边坡图像信息和测量机器人采集的像控点坐标信息,同步采用多时相边坡整体DEM叠加、切片叠加和对应监测点变化趋势分析三种方法对基于地面三维激光扫描的边坡变形监测结果进行相互对比和验证。结果显示:整体的各期相对应误差范围内点云分布情况呈现基本一致,同期同误差范围内点云数所占比例基本保持相同,且变化情况也相似;对相同位置切片分析,第二期横轴切片左端即研究区南端2D最大偏差为2.7768m,对应激光扫描技术相同位置的2.8692m,纵轴切片(Y=1220m)2D最大偏差和标准偏差分别为2.8701m和1.1122m,对应于2.8781m和1.0118m,发生滑坡;第四期下横轴切片的最大2D偏差为1.4342m,对应于相同位置的1.3275m;第五期横轴上切片变化大于下切片,最大2D偏差和标准差分别为2.8631m和1.0126m,对应相同切片的2.8256m和0.8753m,发生滑坡;稳定区域的纵轴切片(Y=1500m)分析显示最大变化位置不一样,但其偏差值和基本稳定不变的趋势符合了激光扫描技术所得出的结果。最后,从具有代表性的A001-A010监测点三维坐标和点位周期变化趋势图对比,显示出两种技术中处在滑坡区的A001、A005、A009和A010监测点变化趋势表现出基本吻合的结果,处在稳定区但接近滑坡区边缘的A006号点受滑坡影响在第五期时发生了0.4m左右形变,而处于稳定区的A002、A003、A004、A007和A008监测点处于基本稳定状态,进一步验证了地面三维激光扫描技术在露天矿边坡变形监测研究的可行性和准确性。