移动设备已经成为增强现实技术的重要应用平台,人们为了随时随地体验AR技术带来的便捷生活,行动AR技术应用逐渐兴起。随着行动AR技术的发展,移动设备的弊端也逐渐显现。移动设备由于是固有的嵌入式系统,在数据库扩展性和计算能力等方面都存在不足,行动AR应用的性能也受到限制。行动AR系统的性能表现包括:标记内容的可扩展性和系统的实时性。如何能够兼顾行动AR系统的可扩展性和实时性成为急需解决的行动AR技术发展困境。基于以上问题,本课题引入云技术来解决行动AR系统当前困境。相关工作和研究表明,云本身具有可扩展性,能够为移动设备分担计算并降低系统维护成本。本文探索基于云技术的解决方案,讨论云服务器方案尝试与行动AR云方案优化。本课题设计了S-MARC和D-MARC两个方案,前者对云技术支持行动AR的想法进行了大胆尝试并研究了与定位信息结合的更多可能,后者对基于云的行动AR设计优化方案进行了详尽的探讨,对移动客户端进行了图像补丁截取和关键补丁选择优化,对云数据库进行分类存储。图像补丁截取模块提出Improved-YOLO神经网络,对图像进行目标检测,找出使用者真正感兴趣的部分;关键补丁选择模块基于图像相似度计算选择最具代表性的关键补丁进行计算传输,从而减少了系统的流量带宽消耗也简化了计算量;云服务器使用Improved-YOLO神经网络对数据库中存储内容进行了分类整理,以便于减少匹配时间。本课题邀请了30位志愿者进行了实验研究,他们的用户评价表明,在两个系统中,移动增强现实云方案得以实现,并在评估中取得良好反馈。通过实验结果显示,本课题提出的两种方案在常见相机运动中跟踪性能良好,在实时性能指标中也优于其他方案,并有助于改善行动AR当前困境,建立用户对行动AR应用的信心。最后,本文对课题进行总结,并探讨课题中有待提升的部分。