图像预处理作为一门综合学科的应用技术，就包含有图像获取[10]。作为双目立体视觉的基础，图像获取有非常非常多的方式，但通常在我们所使用的情况下是由实际应用场合与应用目的决定的。比如，在机器人导航与航测领域，就是利用高性能摄像机沿航向序列地拍摄图像，这种摄像机通常由飞行器携带[11]。接下来就是摄像机标定，我们需要获得摄像机参数，比如摄像机的几何和光学参数，而摄像机标定的过程就是通过实验与计算获取摄像机的内外参数[12]。计算机视觉算法的精度很大程度上会被摄像机标定精度的大小所影响和干扰[13]。我们常见的有基于棋盘平面网格的摄像机标定方法[14]。立体匹配是基于一定的准则，根据图像的某种特性进行的，是立体视觉中最重要也是最困难的问题[15]，有徐青的基于图像分割的快速立体匹配算法[16]。也有其他的优秀立体匹配算法，比如主要能学习到的彭启民,贾云得的基于最小割的稠密视差图恢复算法[17]。立体视觉系统的主要工作，第一位的就是需要把这种隐藏的场景深度信息提取出来，随后才能进行计算等其他工作[18]。

    作为机器人包括人工智能领域最炙手可热的研究课题之一，立体视觉和专家系统、自然语言理解己成为人工智能最受欢迎的三大领域[19]，如果日后研究有非常大进展，被运用到各种各样的领域，将会极大地促进包括工业生产高度自动化、智能机器人、军事活动、目标跟踪等等各种方面的应用，对社会的发展和人民生活的提高进步将会有不可磨灭的意义。82782

    在60年代中后期M IT的Robert教授开创立体视觉技术[20]，70年代中期以Marr为首的一批科学家提出了一套完整的视觉计算的理论来描述视觉过程之后[21]。在随后的80年代，移动式机器人立体视觉研究逐渐发展起来，也随着数学和物理的发展，很多数学中比如立体几何的方法以及物理知识被采用来研究双目立体视觉，用于完成对道路的识别和障碍的分辨处理[22]。这些前人的努力大力地促进了有关应用的前进与进步，其中很多领域就包括精确制导、移动机器人导航、军事活动、物体三维形状分析与识别以及智能人机接口等。在国外已经有了很多成功应用立体视觉的例子，如日本就成功研发出了利用机械手动作的农作物收获机器人，而这机械手就是被双目立体视觉所指导的[23]；同样也是在日本论文网，大学实验室里面研发出一种机器人动态行走仿真导航系统，改系统可以把机器人的整体形态状态信息和实时的双目立体视觉进行集成[24]；日本Olympus公司研制的IV6C6以及IV8C6系列可利用立体视觉原理测量内窥镜产品，能够很好的测量工件的三维，那样的话，该系统就可以直接得到产品的各项损伤数据，实现产品的损伤评估[25]；我们都知道“探测者”号能够对火星上的错综复杂且多变的地形进行准确的制导，而这就是依赖于由华盛顿大学与微软公司合作研制的宽基线立体视觉系统[26]。

我国的机器人立体视觉发展蒸蒸日上，在工业、农业和军事等多种领域，都展示出光明的发展前途。清华大学智能技术与系统国家重点实验室研发的拟人机器人TBIPR-1，这个机器人就是采用的最经典的平行双目立体视觉系统[27]；同时东南大学电子工程系提出了一种立体视觉新算法，其算法的立体匹配部分是灰度相关多峰值视差绝对值极小化的，可不用对物体进行接触就能对表面形状不规则的物体的三维立体信息进行精密测量[28]；浙江大学机械系统实现了对多自由度机械装置的动态、精确位姿检测，也是采用双目立体视觉方法[29]。