随着我国高速铁路客流量和里程数的迅速增长,动车组日常维修作业的工作量逐年激增。如何利用好动车组维修信息,快速、准确、及时地完成动车组的维护工作是保障动车组安全运营的重要任务。本文在研究增强现实(Augmented Reality,简称AR)技术的基础上,提出了基于TLD(Tracking-Learning-Detection,简称TLD)的增强现实系统目标跟踪算法。并设计了 CRH380BL动车组增强现实辅助维修系统,实现辅助维修作业人员完成维修作业任务,整合维修作业信息,规范维修作业人员的作业流程,从而提高日常维修作业的效率。本文在研究基于计算机视觉的目标跟踪算法基本原理基础上,结合CRH380BL动车组维修作业场景的特点,分别进行了系统目标检测算法、目标跟踪算法和三维注册算法的设计。本文的研究重点是如何在保证目标跟踪结果高准确度的前提下,实现计算过程的高速度。本文完成的工作如下:首先对目标检测算法进行了研究,提出了使用HOG(Histogram of Oriented Gradient,简称HOG)特征检测算子作为目标跟踪算法特征检测算法的方案。通过对现场作业场景的特征提取实验,完成了 CRH380BL动车组转向架目标跟踪的特征提取,并进行了特征匹配实验,分析了目标检测算法的优缺点。其次通过MATLAB和VS2013混合编程,对基于检测目标的TLD跟踪算法进行了改进。并以CRH380BL动车组转向架更换检修作业视频数据为例,实验验证了算法的有效性。结合KCF(Kernel Correlation Filter,简称KCF)算法完成了面向增强现实系统的TLD-G目标跟踪算法设计。原始TLD算法更加看重检测器的检测结果。由于采用滑动窗方式的检测器需要处理大量的图像块,严重影响了实时性。本文利用减小滑动窗口扫描范围的方法,提高了算法的计算速度。并进行了 TLD-G算法的标准数据集实验和CRH380BL动车组转向架更换检修作业视频数据实验。结果表明,算法的运算速度、精确性和鲁棒性均能满足增强现实系统的要求。最后对CRH380BL动车组增强现实辅助维修系统进行了设计和测试工作。完成了 CRH380BL动车组增强现实辅助维修系统的设计,并进行了系统的维修作业现场测试,测试结果表明系统实时性、三维注册精度较好。