Los dispositivos de Realidad aumentada normalmente constan de un '''"headset"''' y un sistema de '''[[display]]''' para mostrar al usuario la información virtual que se añade a la real. El "headset" lleva incorporado sistemas de [[GPS]], necesarios para poder localizar con precisión la situación del usuario. OtrasTambién tecnologíasincluye usadassistemas son: cámaras digitalesinerciales y / u otros sensores ópticos, acelerómetros, giroscopios, brújulas de estado sólido, RFID, etc., sistemas que son capaces de medir características como son la aceleración, la orientación y el ángulo de inclinación. Los dos principales sistemas de "[[display|displays]]" empleados son la [[Pantalla transparente de realidad aumentada|pantalla óptica transparente]] (Optical See-through Display) y la pantalla de mezcla de imágenes (Video-mixed Display). Tanto uno como el otro usan [[imagen virtual|imágenes virtuales]] que se muestran al usuario mezcladas con la realidad o bien proyectadas directamente en la pantalla. Los sistemas basados en cámara requieren una CPU potente y gran cantidad de memoria RAM para el procesado de imágenes.
Para fusiones coherentes de imágenes del mundo real, obtenidas con cámara, e imágenes virtuales en 3D, las imágenes virtuales deben atribuirse a lugares del mundo real. Ese mundo real debe ser situado, a partir de imágenes de la cámara, en un sistema de coordenadas. Dicho proceso se denomina registro de imágenes. Este proceso usa diferentes métodos de visión por ordenador, en su mayoría relacionados con el seguimiento de vídeo. Muchos métodos de visión por ordenador de realidad aumentada se heredan de forma similar de los métodos de [[odometría]] visual. Por lo general los métodos constan de dos partes. En la primera etapa se puede utilizar la detección de rincón, la detección de [[Blob]], la detección de bordes, de umbral y los métodos de procesado de imágenes. En la segunda etapa el sistema de coordenadas del mundo real es restaurado a partir de los datos obtenidos en la primera etapa. Algunos métodos asumen los objetos conocidos con la geometría 3D (o marcadores fiduciarios) presentes en la escena y hacen uso de esos datos. En algunos de esos casos, toda la estructura de la escena 3D debe ser calculada de antemano. Si no hay ningún supuesto acerca de la geometría 3D se estructura a partir de los métodos de movimiento. Los métodos utilizados en la segunda etapa incluyen proyectiva (epipolar), la geometría, paquete de ajuste, la representación de la rotación con el mapa exponencial, [[filtro de Kalman]] y filtros de partículas.
