随着自主机器人的发展，如何让机器人“看懂”外部世界是很多学者研究的内容。机器人可以通过视觉系统与外界环境进行交互。信息处理单元是视觉系统中较为关键的一部分，当实时性要求较高的时候可以采用硬件实现，当实时性要求不高，而低功耗的情况下，就可通过PC等实现此单元的功能。将采集到的图像信息传输到电脑的速度会受到带宽的限制。压缩感知理论是一种从少量采集到的信息恢复原始信号的理论。　　本文提出一种新的重构算法——BR-StOMP（Backtracking Regularized Stage-wised Orthogonal Matching Pursuit Algorithm，回溯正则化分段正交匹配追踪）算法，该算法是将相关系数大于设定阈值的原子的序列号组成一个集合，为了减少在此过程中加入的原子的数量，采用正则化操作，对原子进行二次筛选，用选出的原子的列序号组成新的集合并利用最小二乘法进行信号估计，在解决原子选择阶段中加入了错误的原子的问题，利用回溯思想，选取前?L个较大元素构成新的支撑集，提高重构算法的准确性。　　针对 BR-StOMP算法在深度图像处理中的应用进行了研究。首先分析了深度图像的边缘特征，对深度图像进行了滤波预处理观察其滤出效果，并对图像进行边缘检测和分块，为 BR-StOMP算法对深度图像进行恢复做了有效性的前期准备。　　实验过程中采用Kinect摄像机进行深度图像和彩色图像的采集。本文完成了对彩色摄像头和深度摄像头标定，进而获得彩色摄像头和深度摄像头的内参以及径向和切向畸变参数。最后通过分析峰值信噪比以及对比点云图像，说明BR-StOMP算法可以有效地恢复深度图像。