如今的移动设备,例如智能手机,轻型无人机,都具备强大的应用处理器,摄像头和惯性传感器,使许多移动视觉应用,例如移动增强现实,即时定位与地图构建和视觉里程计等,在这些移动平台上可以运行。获取运动相机和静止物体之间的相对位置和方向是关键任务。已有的依据视觉分析或惯性传感器的方法,都存在一定的缺陷,包括计算量过大,在移动平台不能实现实时的性能,或对移动场景中一些难题不够鲁棒,例如相机的快速运动,长时间曝光和动态的环境等等。在这篇论文中我们研究移动设备上鲁棒并且十分快速的姿态跟踪,展示了一种全新的混合跟踪系统,利用设备内置的惯性传感器对视觉特征跟踪过程进行显著的加速,并改善其鲁棒性。特别是,我们的系统基于惯性传感器数据对视频中每一帧进行自适应地调整大小,并且以微小的准确率降低为代价,在每一个调整大小后的图像上应用高效的二进制特征匹配方法实现目标跟踪。为了减小误差累积,这个跟踪结果会定期地用一种基于模型的特征跟踪方法修正。并且,惯性传感器跟踪以及与特征跟踪结果的融合进一步地改善了系统的鲁棒性和效率。最后,我们进行了一系列的实验以展示所提方法的性能。使用的数据集包含16段录制视频和同步的惯性传感器数据的数据。实验结果中我们的方法比其他几种方法展现出了更为优越的性能,并且可以以40Hz的速度在智能手机上运行。