(1)图像获取
    获取数字图像是进行图像处理和实现计算机视觉的前提条件。立体图像的获取方式很多，主要取决于应用的场合和目的。在机器人视觉系统中，数字图像获取常用的设备一般是CCD摄像头和视频采集卡。图像采集不但要满足系统的应用要求，而且要考虑视点差异、光照条件、摄像机性能以及景物特点等因素的影响，以利于立体视觉计算。
 (2)摄像机标定
    要从图像中恢复出物体的三文信息，必须已知空间坐标系中的物体点同它在图像平面上像点之间的对应关系，而这个对应关系是由摄像机的位置、属性参数和成像模型所决定的。确定这些摄像机参数的过程就称为摄像机标定，摄像机标定实质上就是确定出由空间坐标系到图像坐标系的变换矩阵。
     (3)图像预处理与特征提取
     由光学成像系统生成的二文图像，包含了各种各样的随机噪声和畸变，因此需要对原始图像进行预处理，突出有用信息、抑制无用信息，从而改善图像质量。图像预处理的目的主要有两个：一是改善图像的视觉效果，提高图像质量的清晰度；二是使图像变的更有利于计算机的处理，便于各种特征分析。图像预处理技术，包括图像对比度的增强、随机噪声的去除、边缘特征的加强等。特征提取是为了得到匹配赖以进行的图像特征，由于目前尚没有一种普遍适用的理论可用于图像特征的提取，从而导致了立体视觉研究中匹配特征的多样性。 目前，常用的匹配特征主要有点特征、线特征和区域特征等。一般来讲，大尺度特征有丰富的图像信息，在图像中的数目较少，易于得到快速匹配，但他们的定位精度差，特征提取与描述困难，而小尺度特征数目较多，其所含有信息较少，因而在匹配时需要较强的约束准则和匹配策略，以克服歧义匹配和提高运算效率，良好的匹配特征应具有可区分性、不变性、稳定性、唯一性以及有效解决歧义匹配的能力。
     (4)立体匹配
     立体匹配是立体视觉中最重要也是最困难的问题。它要解决同一空间点在不同图像中像点的对应关系。当空间三文场景被投影为二文图像时，同一景物在不同视点下的图像会有很大的不同，而且场景中的诸多因素，如光照条件、景物几何形状和物理特性、噪声干扰和畸变以及摄像机特性等，都被综合成单一的图像中的灰度值。因此，要准确地对包含了如此之多不利因素的图像进行无歧义的匹配，显然是十分困难的。对于任何一种立体匹配方法，其有效性有赖于3个问题的解决，即选择正确的匹配特征，寻找特征之间的本质属性及建立能正确匹配所选特征的稳定算法。立体匹配的研究都围绕这三方面展开，并已提出了大量各具特色的匹配方法。但是由于立体匹配涉及的问题太多，至今仍未得到很好的解决，特别是在复杂场景中，如何提高算法的去歧义匹配和抗干扰能力，降低实现的复杂读和计算量，都需要更深入的研究。
     (5)三文重建
     立体视觉的任务就是得出感兴趣场景的三文信息，对于不同的应用可以有不同的要求，但最基本的就是要计算目标的深度信息，得到三文坐标。若系统需要结果的可视化，则可对场景进行重建。已知立体成像模型和完成立体匹配后，三方面的，如摄像机参数标定，图像特征定位的精度和立体匹配的准确性等，因此要提高三文重建的精度还需要更深入的研究。

3.4.4测距模块
(1)超声波传感器 自主式移动机器人设计开题报告(3):http://www.youerw.com/kaiti/lunwen_15598.html