雙目標立體視覺技術的實現可分為以下步驟：圖像獲取、攝像機標定、特征提取、圖像匹配和三維重建，下面依次介紹各個步驟的實現方法和技術特點。
1.1 圖像獲取
雙目立體視覺的圖像獲取是由不同位置的兩臺或者一臺攝像機(CCD)經過移動或旋轉拍攝同一幅場景，獲取立體圖像對。假定攝像機C1與C2的角距和內部參數都相等，兩攝像機的光軸互相平行，二維成像平面X1O1Y1和X2O2Y2重合，P1與P2分別是空間點P在C1與C2上的成像點。但一般情況下，針孔模型兩個攝像機的內部參數不可能完成相同，攝像機安裝時無法看到光軸和成像平面，故實際中難以應用。
1.2 攝像機的標定
對雙目立體視覺而言，CCD攝像機、數碼相機是利用計算機技術對物理世界進行重建前的基本
測量工具，對它們的標定是實現立體視覺基本而又關鍵的一步。通常先采用單攝像機的標定方法，分別得到兩個攝像機的內、外參數；再通過同一世界坐標中的一組定標點來建立兩個攝像機之間的位置關系。目前常用的單攝像機標定方法主要有：
(1)攝影測量學的傳統設備標定法。利用至少17個參數描述攝像機與三維物體空間的結束關系，計算量非常大。
(2)直接線性變換性。涉及的參數少、便于計算。
(3)透視變換短陣法。從透視變換的角度來建立攝像機的成像模型，無需初始值，可進行實時計算。
(4)相機標定的兩步法。首先采用透視短陣變換的方法求解線性系統的攝像機參數，再以求得的參數為初始值，考慮畸變因素，利用最優化方法求得非線性解，標定精度較高。
(5)雙平面標定法。
在雙攝像機標定中，需要精確的外部參數。由于結構配置很難準確，兩個攝像機的距離和視角受到限制，一般都需要至少6個以上(建議取10個以上)的已知世界坐標點，才能得到比較滿意的參數矩陣，所以實際測量過程不但復雜，而且效果并不一定理想，大大地限制了其應用范圍。此外雙攝像機標定還需考慮鏡頭的非線性校正、測量范圍和精度的問題，目前戶外的應用還有少。
1.3 特征點提取
立體像對中需要撮的特征點應滿足以下要求：與傳感器類型及抽取特征所用技術等相適應；具有足夠的魯棒性和一致性。需要說明的是：在進行特征點像的坐標提取前，需對獲取的圖像進行預處理。因為在圖像獲取過程中，存在一系列的噪聲源，通過此處理可顯著改進圖像質量，使圖像中特征點更加突出。
1.4 立體匹配
立體匹配是雙目立體視覺中最關系、困難的一步。與普通的圖像配準不同，立體像對之間的差異是由攝像時觀察點的不同引起的，而不是由其它如景物本身的變化、運動所引起的。根據匹配基元的不同，立體匹配可分為區域匹配、特征匹配和相位匹配三大類。
區域匹配算法的實質是利用局部窗口之間灰度信息的相關程度，它在變化平緩且細節豐富的地方可以達到較高的精度。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來改善視差不連續處的匹配；其次是計算量大、速度慢，采取由粗至精分級匹配策略能大大減少搜索空間的大小，與匹配窗大小無關的互相關運算能顯著提高運算速度。
特片匹配不直接依賴于灰度，具有較強的抗干擾性，計算量小，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；特征的撮和定位過程直接影響匹配結果的精確度。改善辦法是將特征匹配的魯棒性和區域匹配的致密性充分結合，利用對高頻噪聲不敏感的模型來提取和定位特征。
相位匹配是近二十年才發展起來的一類匹配算法。相位作為匹配基元，本身反映信號的結構信息，對圖像的高頻噪聲有很好的抑制作用，適于并行處理，能獲得亞像素級精度的致密視差。但存在相位奇點和相位卷繞的問題，需加入自適應
濾波器解決。
1.5 三維重建
在得到空間任一點在兩個圖像中的對應坐標和兩攝像機參數矩陣的條件下，即可進行空間點的重建。通過建立以該點的世界坐標為未知數的4個線性方程，可以用最小二乘法求解得該點的世界坐標。實際重建通常采用外極線結束法。空間瞇、兩攝像機的光心這三點組成的平面分別與兩個成像平面的交線稱為該空間點在這兩個成像平面中的極線。一旦兩攝像機的內外參數確定，就可通過兩個成像平面上的極線的約束關系建立對應點之間的關系，并由此聯立方程，求得圖像點的世界坐標值。對圖像的全像素的三維重建目前僅能針對某一具體目標，計算量大且效果不明顯。
