Das Verstehen und Interpretieren von Kamerabildern (»Computer Vision«) ist eine Kerntechnologie für Virtuelle Technologien, weil hochqualitative Kameras in aktuelle Rechner- und Smartphoneplattformen integriert sind und weil die steigende Leistungsfähigkeit aufwendige Bildverarbeitungsmethoden in Echtzeit ermöglicht.

In Augmented Reality wird die reale, mit der Kamera erfasste Umgebung, mit digitalen verknüpften Informationen überlagert. Dazu ist es erforderlich, die Pose (Position und Orientierung) der Kamera in Echtzeit zu registrieren und mit der virtuellen Kamera abzugleichen. Für industrielle Anwendungsszenarien sind insbesondere die modellbasierten Trackingverfahren relevant, die eine hohe Stabilität auch bei unsteten Lichtverhältnissen aufweisen.

Die Referenzmodelle, die für das Computer-Vision-basierte Tracking herangezogen werden, werden dabei direkt aus den CAD-Daten der Objekte abgeleitet.