铁路是关系国计民生的重要基础设施,具有高速、便捷、舒适的特点。铁路路基的沉降对铁路的安全运行至关重要,伴随着铁路的高速发展,传统的大地测量方法和土木监测技术不能满足铁路运营管理的需要,机器视觉具有非接触,实时性,可视化好,智能性等特点,在工程实践具有广泛的应用前景。本文以机器视觉在铁路路基沉降监测系统的应用为背景,对沉降变形传递相机网络视觉测量系统中的关键技术进行研究。首先,本文对传统的路基沉降监测方法以及机器视觉在相关领域的应用进行分析。介绍空间中几何变换的基本概念以及机器视觉中常用的图像坐标,相机坐标,世界坐标的转换关系,并对相机的成像模型进行分析,在此基础上详细介绍了单目视觉位姿测量的原理。凭借激光在传播过程中具有良好的方向性,将单目视觉位姿测量技术和激光应用到沉降监测中,对沉降变形传递相机网络的原理和结构进行介绍。然后,针对沉降传递相机网络中无重叠视场的相机间位姿标定问题,建立相机间位姿测量模型。在监测站中相机必需指向各自的监测靶面,导致相机间无公共视场从而使标定过程中没有匹配的图像特征,对相机间位姿关系的标定带来困难。通过在相机各自对应的监测靶面上设置4个呈方形分布的特征点,使相机组执行两次运动,并在3个不同的位置拍摄靶面图像,通过P4P算法求解相机与靶标的位姿关系,进而得到相机的移动轨迹,结合相机间位姿固定不变的性质,构建位姿解算方程;用矩阵重排的方法来求得相机间位姿关系,并通过Levenberg-Marquardt算法对位姿参数进行优化。通过数值仿真的方法对本文算法进行分析,当噪声的方差在1 pixel内相机间位姿标定的角度误差小于0.02°,平移误差小于0.3mm。最后,由于相机参数受温度影响会降低沉降监测的精度,结合相机针孔成像模型,推导了图像漂移与相机内外参数变化量之间的关系,通过提取不同温度下平面标定板上圆点的中心坐标,进而求解不同温度下对应相机参数的改变量。通过温度作为输入,相机参数的变化量作为输出,建立基于粒子群优化的径向基神经网络的相机温度补偿模型,通过实验验证该模型的精度,并利用修正后的参数求解温度变化过程中相机与标定板间的位姿参数的变化量,验证该模型的有效性。