AR 系统中的传感器融合结合了来自多个传感器（如相机、惯性测量单元 (IMU)、GPS 和深度传感器）的数据，以提高跟踪精度和环境理解能力。常用的方法包括卡尔曼滤波、粒子滤波和基于机器学习的方法。这些技术通过将互补的数据流融合到用户位置和周围环境的统一模型中，解决了单个传感器的局限性（例如，相机漂移或 IMU 噪声）。
一种广泛使用的方法是卡尔曼滤波器，它通过随时间融合带有噪声的传感器数据来估计系统状态（如位置或方向）。例如，扩展卡尔曼滤波器 (EKF) 可以将 IMU 的加速度计/陀螺仪数据与相机的视觉特征相结合，以跟踪设备的运动。IMU 提供高频运动更新，而相机通过匹配视觉地标来校正漂移。另一种方法是互补滤波器，它将数据分解为高频和低频分量——例如，使用 IMU 进行快速的方向变化，使用相机进行较慢的、无漂移的更新。ARCore 和 ARKit 等移动 AR 框架使用了这些滤波器的变体来稳定跟踪。对于更复杂的场景，粒子滤波器处理多模态概率分布，当传感器提供冲突数据时（例如，在 GPS 受限的室内环境中）非常有用。
机器学习方法，如神经网络，正越来越多地应用于传感器融合。例如，一个模型可以通过融合激光雷达点云和单目相机图像来学习预测深度，即使在激光雷达单独难以工作的弱光条件下也是如此。这些模型通常与传统滤波器并行运行，以根据上下文自适应地加权传感器输入（例如，室外优先使用 GPS，室内优先使用视觉 SLAM）。开发者必须在延迟、精度和计算成本之间取得平衡——卡尔曼滤波器轻量但难以处理非线性，而粒子滤波器精度高但资源消耗大。选择正确的方法取决于 AR 的用例：移动应用可能优先考虑效率，而工业 AR 头戴设备可以利用计算密集度更高的融合流水线。