增强现实(Augmented Reality,简称AR),也称混合现实。它通过图形学等各种计算机技术将真实世界和虚拟数据无缝融合,对真实世界做一定“增强”,来帮助传递信息或加强娱乐效果。随着笔记本电脑、智能手机、PDA等移动设备的普及,人们越来越依赖于这些可以随身携带又功能强大的向导和帮手。而移动平台上的增强现实应用,也由于更贴近生活,更方便快捷,而广受普通大众接纳和欢迎。跟踪技术一直都是计算机视觉领域的核心技术。近几年增强现实的高速发展使得跟踪技术有了新的应用前景。本文的主要目的就是探讨和研究移动增强现实系统中的跟踪技术。考虑到移动平台的各种资源和处理能力限制,我们将更侧重于计算量较小的高性能算法,在保证速度的基础上最大化精度和稳定性。本文主要包括摄像机跟踪和物体跟踪两大部分,并针对性地设计和实现了移动手机上的SLAM系统和移动电脑上的物体检测系统。另外,本文还从算法的角度详细分析和介绍了跟踪系统中的特征点检测描述和轨迹跟踪两大问题,实现了一些传统的算法,并提出了一些新型的解决方案。首先,我们提出并实现了一个新型的特征检测算法：SE-FAST (Scale-ExtendedFAST),在物体跟踪检测的过程中,最大的挑战就是对目标物体和随机场景的图像抽象。而图像抽象的核心就是特征抽取。我们的SE-FAST就是一个适用于移动增强现实应用的特征点抽取算法。SE-FAST受FAST(Features from Accelerated Segment Test)启发设计了一个特征响应函数并通过区域极值搜索大大提高了传统FAST检测质量,这个基于特征响应的新型算法被继续扩展到尺度空间,使之具有了尺度不变性,并拥有了尺度数据信息,更好地指导了后继的描述器算法并大大提高了特征匹配准确率。这个扩展到尺度空间的算法就称为SE-FAST。我们还尝试对传统FAST的基本检测算法做了改进和优化,更进一步提升了检测质量,我们称这种单尺度的特征检测算法为AFAST (Adapted FAST)。其次,在单层SE-FAST的基础上,我们建立了一个手机上的视觉SLAM系统,通过整合传统SURF描述器并利用8点法计算视觉基础矩阵,完成了特征点的检测和三维定位及映射图的建立和更新。然后,在多层SE-FAST的基础上,我们建立了一个移动电脑上的物体检测系统。通过整合改进的SURF描述器来生成特征向量、匹配相关数据。最后的检测系统能够在复杂的自然环境中检测到目标物体,并给出物体姿势,图像位置及大小信息。整个检测系统被证明拥有良好的计算性能并对尺度、旋转、视角等变化鲁棒。最后,我们通过实验对比了多尺度的SE-FAST和当前最快的尺度特征检测算子Fast-Hessian。展示了SE-FAST高效的处理过程和高质量的检测结果。我们还对比了传统FAST算法、基于特征响应的FAST算法和AFAST算法,验证了后两者特别是AFAST相比传统FAST具有更高质量的检测结果,并且检测速度相当。我们还就手机上SLAM系统和移动电脑上物体检测系统给出了实验数据并进行了分析,对未来工作做了展望。