增强现实(AugmentedReality)是在虚拟现实基础上发展延伸而来的一门新技术，近年来已经成为研究的热点。增强现实首先利用计算机生成特定的虚拟信息，然后通过三维注册技术将虚拟信息准确地加入真实场景视频中。这样人们通过增强显示设备看到的是一个虚实融合的“世界”。新增的虚拟信息可以加深人们对周围世界的认知。在基于视觉的增强现实领域，三维注册方式可分为基于标识物与基于特征点两类。基于标识物三维注册技术（如ARToolKit）较为成熟，但其局限性也很明显。基于特征点的三维注册技术是目前增强现实领域发展的新方向。本文主要工作是对基于平面特征点的三维注册算法进行研究，目的是提高三维注册的准确性、稳定性和鲁棒性，对基于标识物的增强现实系统进行改进。这主要涉及平面特征点的提取、匹配和跟踪三个内容。本文首先介绍了三维注册技术所涉及的坐标系统，并在其基础上，对三维注册技术的原理进行了详细的数学推导。然后本文对平面图像特征提取算法进行了研究，为了满足增强现实系统对实时性的需求，本文提出了一种改进的SURF特征点提取算法，其结合了AGAST算法和SURF算法的优点。实验证明该算法能够满足增强现实系统实时性等基本需求，同时可以提取数量较多的平面特征点。此外，为了加速特征点的匹配速度，本文采用了基于kd-tree的特征点匹配算法。接着通过对平面特征点跟踪问题的研究，提出了一种基于Lucas-Kanade光流算法的自适应局部图像跟踪算法对目标进行跟踪。在目标跟踪阶段，该算法只对视频场景中的目标区域进行特征点提取，并能实时调整跟踪窗口的大小。当跟踪到的特征点小于一定数目时，该跟踪算法会在目标区域重新提取特征点进行跟踪，尽量避免跟踪失败而返回到计算量较大的跟踪初始化阶段，实验证明该跟踪算法能够有效的对目标进行跟踪。最后，在上述研究成果的基础上，对ARToolKit进行二次开发，实现了一套基于平面特征点跟踪的增强现实系统。并给出了系统的整体框架图、工作流程图。通过实验证明本文实现的增强现实系统能够在各种比较复杂的环境下，可以较好完成三维注册，并具有很好的准确性、稳定性、实时性和鲁棒性。