1、圖像獲取
圖像獲取是由不同位置的兩臺(tái)或者一臺(tái)（CCD）攝像機(jī)經(jīng)過(guò)移動(dòng)或旋轉(zhuǎn)拍攝同一幅場(chǎng)景，獲取立體圖像對(duì)。假定攝像機(jī)C1與C2的角距和內(nèi)部參數(shù)都相等，兩攝像機(jī)的光軸互相平行，二維成像平面X1O1Y1和X2O2Y2重合，P1與P2分別是空間點(diǎn)P在C1與C2上的成像點(diǎn)。但一般情況下，針孔模型兩個(gè)攝像機(jī)的內(nèi)部參數(shù)不可能完成相同，攝像機(jī)安裝時(shí)無(wú)法看到光軸和成像平面，故實(shí)際中難以應(yīng)用。
2、攝像機(jī)的標(biāo)定
CCD攝像機(jī)、數(shù)碼相機(jī)是利用計(jì)算機(jī)技術(shù)對(duì)物理世界進(jìn)行重建前的基本測(cè)量工具，對(duì)它們的標(biāo)定是實(shí)現(xiàn)立體視覺(jué)基本而又關(guān)鍵的一步。通常先采用單攝像機(jī)的標(biāo)定方法，分別得到兩個(gè)攝像機(jī)的內(nèi)、外參數(shù)；再通過(guò)同一世界坐標(biāo)中的一組定標(biāo)點(diǎn)來(lái)建立兩個(gè)攝像機(jī)之間的位置關(guān)系。目前常用的單攝像機(jī)標(biāo)定方法主要有：
（1）攝影測(cè)量學(xué)的傳統(tǒng)設(shè)備標(biāo)定法。利用至少17個(gè)參數(shù)描述攝像機(jī)與三維物體空間的結(jié)束關(guān)系，計(jì)算量非常大。
（2）直接線性變換性。涉及的參數(shù)少、便于計(jì)算。
（3）透視變換短陣法。從透視變換的角度來(lái)建立攝像機(jī)的成像模型，無(wú)需初始值，可進(jìn)行實(shí)時(shí)計(jì)算。
（4）相機(jī)標(biāo)定的兩步法。首先采用透視短陣變換的方法求解線性系統(tǒng)的攝像機(jī)參數(shù)，再以求得的參數(shù)為初始值，考慮畸變因素，利用最優(yōu)化方法求得非線性解，標(biāo)定精度較高。
（5）雙平面標(biāo)定法。
在雙攝像機(jī)標(biāo)定中，需要精確的外部參數(shù)。由于結(jié)構(gòu)配置很難準(zhǔn)確，兩個(gè)攝像機(jī)的距離和視角受到限制，一般都需要至少6個(gè)以上（建議取10個(gè)以上）的已知世界坐標(biāo)點(diǎn)，才能得到比較滿(mǎn)意的參數(shù)矩陣，所以實(shí)際測(cè)量過(guò)程不但復(fù)雜，而且效果并不一定理想，大大地限制了其應(yīng)用范圍。此外雙攝像機(jī)標(biāo)定還需考慮鏡頭的非線性校正、測(cè)量范圍和精度的問(wèn)題，目前戶(hù)外的應(yīng)用還有少。
3、特征點(diǎn)提取
立體像對(duì)中需要撮的特征點(diǎn)應(yīng)滿(mǎn)足以下要求：與傳感器類(lèi)型及抽取特征所用技術(shù)等相適應(yīng)；具有足夠的魯棒性和一致性。需要說(shuō)明的是：在進(jìn)行特征點(diǎn)像的坐標(biāo)提取前，需對(duì)獲取的圖像進(jìn)行預(yù)處理。因?yàn)樵趫D像獲取過(guò)程中，存在一系列的噪聲源，通過(guò)此處理可顯著改進(jìn)圖像質(zhì)量，使圖像中特征點(diǎn)更加突出。
4、立體匹配
立體匹配是最關(guān)鍵、困難的一步。與普通的圖像配準(zhǔn)不同，立體像對(duì)之間的差異是由攝像時(shí)觀察點(diǎn)的不同引起的，而不是由其它如景物本身的變化、運(yùn)動(dòng)所引起的。根據(jù)匹配基元的不同，立體匹配可分為區(qū)域匹配、特征匹配和相位匹配三大類(lèi)。
區(qū)域匹配算法的實(shí)質(zhì)是利用局部窗口之間灰度信息的相關(guān)程度，它在變化平緩且細(xì)節(jié)豐富的地方可以達(dá)到較高的精度。但該算法的匹配窗大小難以選擇，通常借助于窗口形狀技術(shù)來(lái)改善視差不連續(xù)處的匹配；其次是計(jì)算量大、速度慢，采取由粗至精分級(jí)匹配策略能大大減少搜索空間的大小，與匹配窗大小無(wú)關(guān)的互相關(guān)運(yùn)算能顯著提高運(yùn)算速度。
特征匹配不直接依賴(lài)于灰度，具有較強(qiáng)的抗干擾性，計(jì)算量小，速度快。但也同樣存一些不足：特征在圖像中的稀疏性決定特征匹配只能得到稀疏的視差場(chǎng)；特征的撮和定位過(guò)程直接影響匹配結(jié)果的精確度。改善辦法是將特征匹配的魯棒性和區(qū)域匹配的致密性充分結(jié)合，利用對(duì)高頻噪聲不敏感的模型來(lái)提取和定位特征。
相位匹配是近二十年才發(fā)展起來(lái)的一類(lèi)匹配算法。相位作為匹配基元，本身反映信號(hào)的結(jié)構(gòu)信息，對(duì)圖像的高頻噪聲有很好的抑制作用，適于并行處理，能獲得亞像素級(jí)精度的致密視差。但存在相位奇點(diǎn)和相位卷繞的問(wèn)題，需加入自適應(yīng)濾波器解決。