作为人机交互技术的发展趋势之一，增强现实需要将虚拟信息无缝融合到真实场景中。近几年来，增强现实已经在医学，军事，娱乐等领域发掘出了很好的发展前景。随着智能手机的性能大幅提升，为增强现实应用到移动平台奠定了基础。智能手机体积小、易携带、用户众多，是很好的交互媒介。但是由于智能手机的资源限制，处理能力比不上PC端，因此无法将传统的增强现实技术直接移植到智能手机上。针对这个问题，本文的研究问题集中在基于自然特征的移动增强现实目标识别注册问题上。具体研究内容为:　　针对智能手机资源受限的情况，提出了一种基于重力向量计算的Gravity-ORB描述子，与传统ORB算法，SIFT算法等进行比较，Gravity-ORB更适合资源受限的智能手机。首先针对特征点检测采用尺度空间的FAST角点检测，引入尺度信息的FAST使得最后特征向量具有了尺度不变性，然后在计算特征点主方向时，采用重力方向替换了灰度梯度主方向计算，使得特征向量具有旋转不变性，并且降低了计算开销，提高了运行效率。　　针对大量模板图像的情况下，提出一种适合资源受限的移动端图像匹配搜索策略。首先采用基于差异值哈希计算的hash值作为大类区分，使得模板图像能够基本平均分布在这几大类里。在大类里面，各个模板图像采用KD树结构构建，加快了匹配点的查询。最后采用最新的跟踪算法KCF，能够满足移动端的实时跟踪目标的要求。　　最后在Android系统平台上，根据上述算法结合移动设备传感器以及相关图像处理库，设计实现了一个自然特征的移动增强现实系统。该系统在真实环境对一个图像的自然特征进行识别定位跟踪，完成虚拟信息的增强显示，并且满足实时性要求。