增强现实技术是在虚拟现实基础上发展起来的一项处于计算机视觉、图形学、模式识别与图像处理等多学科交叉领域的新兴技术,其目的在于将计算机生成的虚拟物体准确地叠加到真实场景中并实现虚拟场景与真实场景间的无缝融合。增强现实效果的真实感在很大程度上取决于虚实场景配准的精度,而虚实配准的模型参数主要来源于位姿估计技术。基于单目视觉的目标位姿估计方法以其成本低、易操作、应用场景广泛等优点,已经成为了学术界研究的热点。本文依托于增强现实的应用背景进行了基于单目视觉的目标位姿估计技术研究,研究内容根据标记物的属性分为两个方向:基于人工标记物的目标位姿估计技术和基于自然标记物的目标位姿估计技术。本文分别从两个方向入手,对面向增强现实的位姿估计算法进行了深入研究,具体内容如下:针对ARToolKit增强现实开发工具包中标记物对光照和遮挡敏感的问题,本文提出了基于LSD算法的标记物检测算法,LSD算法基于像素点的梯度信息检测图像中的线段,在此基础上本文提出了一整套算法流程确定了标记物的区域,从而对标记物关键点进行亚像素级别定位;同时本文对ARToolKit中原有的标记物识别算法进行了改进;通过实验证明了本文提出的检测识别算法能够解决ARToolKit中标记物存在的遮挡与光照敏感性问题,提高了系统的鲁棒性。针对ARToolKit中标记物位姿估计算法求解出的位姿数据不确定性较大且遮挡面积过大时使用本文提出的标记物检测算法仍然检测失败的问题,本文提出了基于置信度的多标记物位姿估计算法,根据每个标记物的置信度大小将多个标记物所得的数据进行加权融合,解决了原有算法存在的问题,经过实验对比分析,证明了该算法的可行性和有效性。在基于自然标记物的目标位姿估计方向,本文主要研究基于自然人脸的头部位姿估计;传统方法需要对人脸提取特征且特征的选取和提取质量的好坏对位姿数据影响较大;针对这些问题,本文提出通过训练深度网络来进行位姿估计,使用迁移学习的方法基于VGG16预训练模型对本文搭建的深度网络进行训练;训练好的网络能够通过人脸图像估计出头部的位姿数据,且精度比传统方法更高,达到了预期的效果。本文在基于人工标记物和基于自然标记物两类增强现实应用场景下将本文提出的算法与原有算法进行了对比,精度更高,数据稳定性更好,为增强现实应用的虚实配准提供了高质量的数据,使得增强现实效果更加逼真。