在实际的编码中，所有这些变换都是一个矩阵，在线性代数中矩阵代表一个变换，对坐标进行矩阵左乘便是一个线性变换（对于平移这种非线性变换，可以采用齐次坐标来进行矩阵运算）。公式如下：
矩阵C的学名叫摄像机内参矩阵，矩阵Tm叫摄像机外参矩阵，其中内参矩阵是需要事先进行摄像机标定得到的，而外参矩阵是未知的，需要我们根据屏幕坐标（xc ，yc）和事先定义好的Marker 坐标系以及内参矩阵来估计Tm，然后绘制图形的时候根据Tm来绘制（初始估计的Tm不够精确，还需要使用非线性最小二乘进行迭代寻优），比如使用OpenGL绘制的时候就要在GL＿MODELVIEW的模式下加载Tm矩阵来进行图形显示。
2、 Marker－Less AR
基本原理与Marker based AR相同，不过它可以用任何具有足够特征点的物体（例如：书的封面）作为平面基准，而不需要事先制作特殊的模板，摆脱了模板对AR应用的束缚。它的原理是通过一系列算法（如：SURF，ORB，FERN等）对模板物体提取特征点，并记录或者学习这些特征点。当摄像头扫描周围场景，会提取周围场景的特征点并与记录的模板物体的特征点进行比对，如果扫描到的特征点和模板特征点匹配数量超过阈值，则认为扫描到该模板，然后根据对应的特征点坐标估计Tm矩阵，之后再根据Tm进行图形绘制（方法与Marker－Based AR类似）。
LBS－Based AR
其基本原理是通过GPS获取用户的地理位置，然后从某些数据源（比如wiki，google）等处获取该位置附近物体（如周围的餐馆，银行，学校等）的POI信息，再通过移动设备的电子指南针和加速度传感器获取用户手持设备的方向和倾斜角度，通过这些信息建立目标物体在现实场景中的平面基准（相当于marker），之后坐标变换显示等的原理与Marker－Based AR类似。
这种AR技术利用设备的GPS功能及传感器来实现，摆脱了应用对Marker的依赖，用户体验方面要比Marker－Based AR更好，而且由于不用实时识别Marker姿态和计算特征点，性能方面也好于Marker－Based AR和Marker－Less AR，因此对比Marker－Based AR和Marker－Less AR，LBS－Based AR可以更好的应用到移动设备上。
