随着人工智能技术逐渐被应用到各个行业领域,增强现实技术作为一种重要的人机交互手段逐渐受到关注,其中最关键的问题是对相机运动姿态实现精确鲁棒的定位。随着应用领域不断地增加,单纯通过模板标识物实现相机位姿估计已经不能适应未来更加复杂的场景需要,本文针对现有增强现实技术中应用较为广泛的基于标识物的定位注册方法的不足,在考虑应用场景可扩展性和交互手段多样性的条件下,分场景利用视频序列信息恢复目标场景三维结构信息以及时序信息,实现估计相机连续运动的三维姿态,主要贡献包含以下几个方面:(1)实现基于图像特征匹配的视觉SLAM增强现实三维姿态估计方法针对纹理特征较为丰富的静态场景,利用连续视频序列中提取到的图像特征算子,对场景中的特征点在不同视频帧之间进行匹配,恢复相邻视频序列间的三维结构以及每帧图像对应的相机运动参数,继而求解相机运动轨迹。(2)提出面对动态场景的基于深度神经网络的增强现实三维姿态估计方法针对不断变化运动的复杂动态场景,基于深度神经网络对输入图像序列建立端到端的学习模型,将卷积神经网络作为高层特征提取器,同时利用循环神经网络建立视频连续帧之间的时序关系,完成相机连续运动的三维姿态估计。从而避免了在相机快速运动及场景不断运动变换导致图像特征提取效果不好的情况。