Hololens 使用Unet共享详细教程（一）

最新推荐文章于 2024-05-08 20:27:53 发布
最新推荐文章于 2024-05-08 20:27:53 发布
阅读量6.2k 收藏 18
点赞数 9
分类专栏： Hololens开发 文章标签： hololens unet spectator view 第三视角 unity
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ShanGuUncle/article/details/77744446
版权

Hello World！我是山谷大叔~接下来我将出一系列Hololens开发教程（Hololens API解析、空间共享、第三视角Spatial View、MR交互设计，视音频通讯，服务器开发，多人游戏实战……），感兴趣的朋友可以关注我哦。下面开始放干货！

#1.环境搭建
##1.1软件环境
使用 Unity5.6.2f1 及 VS2015Update3 （安装2017也可以）
不需要装模拟器了，现在可以在unity上模拟input（WSAD,QE按键移动,shift+鼠标左键-点击，shift+鼠标右键-方向），其他功能还是要在真机上调试。
##1.2最新SDK下载
Hololens-MixedRealityToolkit下载地址
##1.3创建工程
###1.3.1创建新工程
新建工程
###1.3.2导入开发包
（先导入HoloToolkit-Unity-v1.5.8.0）
导入开发包
###1.3.3 项目设置
项目设置
#2.官方demo解析
空间共享需要了解的几个知识点
##2.1Unet通信
##2.2Windows.Networking.Sockets
##2.3Anchor空间锚
#3.最终演示效果
启动应用程序，两台hololens（可以更多台，只要你有）看到同一个UI面板，点击"显示发动机"（哪一台都可点击），之后在空间中出现一台发动机，两个hololens看到是在同一位置，其中一人用手拖拽移动发动机，另一人的视野中发送机也相应移动，两人可以随便操控，神奇吧~

演示动图

演示图1

演示图2

接下来，我将分几个章节详细介绍这些知识点。
(后续视频教程 群211031265)
Hololens 使用Unet共享详细教程（二）

山谷大叔
关注
  • 9
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
Unet训练需要使用的权重文件unet_voc.pth
08-06
Unet是一种深度学习模型，广泛应用于图像分割任务，特别是在医学影像分析、遥感图像处理和自动驾驶等领域。这个模型因其对输入大小的不变性以及能够精确地处理边界信息而备受青睐。"unet_voc.pth" 文件是Unet模型在...
DeepRain:使用 UNet 进行短期降水预测
05-29
因此，我们在 keras 和 tensorflow 中为 python 3 使用了 UNet 实现。 我们的团队： 、 、 、 在教授的监督下使用 UNet 创建了短期降水预测。结果可以从我们的英文论文中阅读或在我们完整德语报告中要求要运行此...
基于Web-RTC的Hololens实时通讯系统
最新发布
l7y10000的博客
05-08 691
最近在做老师的项目，要求我们实现混合现实设备之间和混合现实与PC端的实时通讯，并要集成到项目中，最后发现网上关于这方面的资料不多，大部分也只是很零散的点，想整理一下我这边的开发流程。
Hololens 使用Unet共享详细教程（二）
山谷大叔的博客
09-08 6085
Hello World！我是山谷大叔~接下来我将出一系列Hololens开发教程（Hololens API解析、空间共享、第三视角Spatial View、多人游戏实战……），感兴趣的朋友可以关注我哦。下面开始放干货！
HoloLens开发手记 - Unity之场景共享 Shared holographic experiences in Unity
weixin_33747129的博客
07-05 408
佩戴HoloLens的多个用户可以使用场景共享特性来获取集合视野，并可以与固定在空间中某个位置的同一全息对象进行交互操作。这一切是通过空间锚共享（Anchor Sharing）来实现的。 为了使用共享服务，在AppxManifest文件中必须要启用SpatialPerception能力。   Anchor Sharing 空间锚共享   在HoloLens扫描空间环境后，用户可以通过...
Hololens 使用Unet共享详细教程（四）
山谷大叔的博客
01-01 2373
Hello World！我是山谷大叔~接下来我将出一系列Hololens开发教程（Hololens API解析、空间共享、第三视角Spatial View、多人游戏实战……），感兴趣的朋友可以关注我哦。下面开始放干货！
Hololens 使用Unet共享详细教程（三）
山谷大叔的博客
01-01 4935
Hello World！我是山谷大叔~接下来我将出一系列Hololens开发教程（Hololens API解析、空间共享、第三视角Spatial View、多人游戏实战……），感兴趣的朋友可以关注我哦。下面开始放干货！
hololens共享视野的例子记录
weixin_44345862的博客
01-02 2934
一. hololens1有三个例子分别是： 1.官方的HoloLens (1st gen) Sharing 240: Multiple HoloLens devices，链接为：HoloLens (1st gen) Sharing 240 - Multiple HoloLens devices - Mixed Reality | Microsoft Docs 例子代码链接为GitHub - microsoft/HolographicAcademy at Holograms-240-Shared.
HoloLens多用户协同（共享场景和操作）
皮皮#2500
09-18 1821
HoloLens多用户协同（共享场景和操作）环境和版本环境搭建Azure Spatial Anchors SDK安装MRTK.HoloLens2.Unity.Tutorials.Assets场景搭建 环境和版本 Unity 2019.4.12f1 MRTK v2.4.0 Azure Spatial Anchors SDK Core 2.8.1 Azure Spatial Anchors SDK for Windows 2.8.1 MRTK.HoloLens2.Unity.Tutorials.Assets.G
UNet语义分割实战：使用UNet实现对人物的抠图.zip
04-06
今天这篇文章讲解如何使用UNet实现图像的二分类分割。 关于二分类一般有两种做法： 第一种输出是单通道，即网络的输出 output 为 [batch_size, 1, height, width] 形状。其中 batch_szie 为批量大小，1 表示输出一...
Hololens 专用通信协议脚本
03-09
完全正常使用 分别挂在客户端和服务端 赚点零花钱 不容易。 这么多人收藏 就降价分享给大家了 完全正常使用 分别挂在客户端和服务端 赚点零花钱 不容易。 这么多人收藏 就降价分享给大家了
使用pytorch实现论文中的unet网络
09-16
在本文中，我们将深入探讨如何使用PyTorch实现论文中的U-Net网络。U-Net是一种用于图像分割任务的深度学习架构，尤其在医学影像分析等领域表现突出。它结合了卷积神经网络（CNN）的编码器和解码器结构，能够有效地...
Hololens第三人称视角实现
qq_33547099的博客
12-12 1211
Hololens 第三人称视角实现原理 其实Hololens的第三人称视角识别很简单，本质上只要能够将两个坐标点对其就行，但是这个两个不同的应用没办法使用同一个坐标系。所以采用AR识别功能达到两个坐标系对其的目的。 第一个就是Hololens端使用Vuforia进行图片识别，但是有一点识别图的物理尺寸要和识别图大小保持一致，不然深度不对产生的误差比较大。 第二个 IOS活着Android 端使用ARfoundation 识别功能，因为ARFoundation跨平台方便。 第三个就是坐标对其，用Holole
HoloLens与ARcore第三视角开发
04-19
使用ARcore实现HoloLens第三视角开发，课程包括客户端及服务端Socket异步套接字网络开发，HoloLens接入VuforiaSDK，ARcore与HoloLens空间同步，房间系统，命令同步等，兼容HoloLens1及HoloLens2。
Hololens2-OpenXR开发（四）-坐标系同步
AplusX
03-11 4062
Coordinate System Synchronization with Holographic Remoting and the OpenXR API 本文是根据官方示例的学习笔记 https://docs.microsoft.com/en-us/windows/mixed-reality/develop/native/holographic-remoting-coordinate-system-synchronization-openxr 为了结合计算机视觉相关任务，统一眼镜端坐标系和渲染的虚拟
Hololens官方教程精简版 - 08. Sharing holograms（共享全息影像）
热门推荐
Philo Chou的技术博客
01-19 1万+
前言本篇集中学习全息影像“共享”的功能，以实现在同一房间的人，看到“同一个物体”。之所以打引号，是因为，每个人看到的并非同一个物体，只是空间位置等信息相同的同类物体而已。要想实现这个效果，有以下几点需要注意： 需开启设备的Spatial Perception功能（在Player Settings…面板的Publishing Settings > Capabilities中勾选） 暂时只能两台以上真机
Hololens anchor使用与共享
啊哈的专栏
02-14 2038
原创文档，转载请注明地址http://blog.csdn.net/fdbvm/article/details/79324718hololens中anchor代表空间坐标的一个锚点，当给gameobject增加一个WorldAnchor时，相当于把这个物体固定在该位置，将无法移动和旋转该物体。创建anchor： gameObject.AddComponent<WorldAnchor>()...
Hololens 使用Unet共享详细教程（五）
山谷大叔的博客
01-01 2421
Hello World！我是山谷大叔~接下来我将出一系列Hololens开发教程（Hololens API解析、空间共享、第三视角Spatial View、多人游戏实战……），感兴趣的朋友可以关注我哦。下面开始放干货！
使用残差网络编写一个Unet网络
03-31
抱歉，作为AI语言模型，我不能编写代码。但是，我可以为您提供一些关于使用残差网络编写Unet网络的信息。 Unet网络是一种用于图像分割的卷积神经网络，它通常包含一个编码器和一个解码器。编码器将原始图像通过卷积和池化操作降采样为一个较小的特征图，而解码器则通过上采样和卷积操作将特征图恢复为原始图像大小，并输出像素级别的分类结果。 使用残差网络可以提高Unet网络的性能。残差网络是一种深度神经网络结构，它通过跨层连接来解决梯度消失问题，并使得网络更加容易训练。在Unet网络中，可以使用残差块来代替常规的卷积层，以增加网络的深度和性能。 下面是一个示例代码，其中使用了残差块来编写Unet网络： ``` import tensorflow as tf def residual_block(x, filters): shortcut = x x = tf.keras.layers.Conv2D(filters, 3, padding='same', activation='relu')(x) x = tf.keras.layers.BatchNormalization()(x) x = tf.keras.layers.Conv2D(filters, 3, padding='same', activation='relu')(x) x = tf.keras.layers.BatchNormalization()(x) x = tf.keras.layers.Add()([x, shortcut]) x = tf.keras.layers.Activation('relu')(x) return x def encoder_block(x, filters): x = tf.keras.layers.Conv2D(filters, 3, padding='same', activation='relu')(x) x = tf.keras.layers.BatchNormalization()(x) x = residual_block(x, filters) pool = tf.keras.layers.MaxPooling2D()(x) return pool, x def decoder_block(x, skip, filters): x = tf.keras.layers.Conv2DTranspose(filters, 2, strides=2, padding='same')(x) x = tf.keras.layers.concatenate([skip, x]) x = tf.keras.layers.Conv2D(filters, 3, padding='same', activation='relu')(x) x = tf.keras.layers.BatchNormalization()(x) x = residual_block(x, filters) return x def build_unet(input_shape): inputs = tf.keras.layers.Input(shape=input_shape) # Encoder e1, skip1 = encoder_block(inputs, 64) e2, skip2 = encoder_block(e1, 128) e3, skip3 = encoder_block(e2, 256) e4, skip4 = encoder_block(e3, 512) # Bridge b1 = residual_block(e4, 1024) # Decoder d1 = decoder_block(b1, skip4, 512) d2 = decoder_block(d1, skip3, 256) d3 = decoder_block(d2, skip2, 128) d4 = decoder_block(d3, skip1, 64) outputs = tf.keras.layers.Conv2D(1, 1, activation='sigmoid')(d4) model = tf.keras.models.Model(inputs=inputs, outputs=outputs) return model ``` 在这个Unet网络中，残差块被用来代替常规的卷积层，以增加网络的深度。编码器和解码器都是由多个残差块组成。使用残差网络可以显著提高Unet网络的性能，特别是在处理大型图像时。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

山谷大叔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值