AR增强现实开发介绍(续)

AR增强现实开发介绍(续)
         

---开发基础篇

      

       开发增强现实技术,无论是商业级应用,还是面向幼儿教育的游戏产品,都需要从了解、获取、下载增强现实插件开始。目前全世界使用量最大公认最好的增强现实插件是高通的Vuforia。我们先从开发一个最简单的AR Hello World 开始。


开发一个AR Hello World 需要经历以下步骤:

1:登陆高通增强现实网站,注册账号且获取授权信息。

2:制作目标图

  A) 二维识别图制作

  B) 三维识别物体制作

3:SDK下载

4: Unity整合高通SDK,进行开发

5:发布移动端,测试评估最基本Demo效果


特别提示,以下教程为2016年10月份的网站状态(Vuforia 插件版本为6.0)



现在我们就针对以上五大步骤,来进行详细讲解。

一:登陆高通增强现实网站,注册账号且获取授权信息。

     1.1 首先登陆  https://developer.vuforia.com/

​     1.2 注册用户,点击右上角的 Register 。

     1.3 输入个人信息,确认注册信息成功。然后会在注册使用的邮件中收到确认信息。




完成以上步骤,现在开始根据用户的不同,选择不同的授权信息。首先点击网站的Develop -->License Manger 选项。 点击下图的 “Add License Key”。


   此时如果你是第一次登陆网站,则系统会弹出“选择项目类别”(Select your project type)的提示。 这个选择很简单,如果是学习者,选择第1个选项(Development); 如果是需要发布到App Store 的产品,则选择第2个选项(Consumer);如果是面向企业内部使用则选最后一个(Enterprise)。



此时出现如下图的页面,按照我们的开发目的进行选择。笔者此时选择“Development”选项。


选择完毕,出现确认信息页面,如下图。


选择“确认”(Confirm)后,出现如下页面,我们需要填写项目名称、设备类型(移动端、AR眼镜),点击下一步。

此时出现下图页面,我们刚才建立的选项数据,就以列表的形式,显示出来。我们点击“TestARDemo1”,查看我们的授权码。

授权码是一堆看似无意义的字母集合,我们拷贝这些内容,先临时进行存放,后面需要填写到Unity的项目工程中。



二:制作目标图

  A) 二维识别图制作

  B) 三维识别物体制作


现在我们得到授权码后,开始制作“目标图”(识别图)。点击“Target Manager” 页面,开始制作识别图。此时点击“增加库”(Add Database)。(如下图)



创建库(Create Database),例如库名称:TestAR_DB2. 选择不同的类型,我们选择1选项即可。表示使用移动设备存储“识别图”。Cloud 表示云识别(把识别图发往云端),VeMark 表示支持Win10 与微软的Holens 眼镜设备。


点击创建后,我们会得到一个“库”,专门存放我们上传的识别图。当我们给“库”中添加识别图的时候,我们需要选择不同的类型。如下图从左到右分别是二维识别图、几何识别图、3D物体识别图等。笔者选择Single Image (二维识别图),进行上传。





上传识别图,贴图必须有一定的画面复杂度,否则会造成识别不清晰的问题。下图中“左下角”与下图中间(带二维码)的贴图画面最为复杂,其实也是高通插件,识别最好的贴图。


上传完识别图后,我们可以看到如下图内容。"Rating" 就是可以识别贴图的级别(5星为最高),一般3颗星以下的贴图,是不能顺利完成识别图,建议不采用。




勾选​具备高识别度的贴图,然后点击页面的“Download Database”下载库文件。(*.UnityPackage)



三:高通插件SDK下载

点击“Downloads”--〉SDK ,下载高通SDK。“vuforia-unity-6-0-117.unitypackage”



四: Unity整合高通SDK,进行开发

  4.1: 新建Unity5.x  演示项目,导入AR SDK。
  4.2: 导入识别图的库文件(*.unitypackage)
  4.3: 在Unity系统中,删除原始摄像机,使用AR摄像机。(ARCamera)


  4.4:层级视图添加“贴图目标(ImageTarget)


  4.5 现在进行必要的设置:

  A) AR Camera 对象所属“Vuforia Behaviour”脚本组件中的“App License Key”,需要粘贴“授权码”。

  
  B) AR Camera 对象所属“Database Load Behaviour ”脚本勾选“Load xxx Database ”与下面的“Activate”。

 

  C) 点击 ImageTarget ,在脚本组件“Image Target Behaviour”中的Database :选择“TestAR_DB1”,在ImageTarge:选择具体的识别图。



 D) 在层级视图中,添加基本的3D模型,且作为"ImageTarget"的子节点。

 E) 如果笔记本/PC带有摄像头,则运行游戏后系统会自动开摄像机,可以看到AR混合图像。

笔者机器没有安装摄像头,所以显示为红色背景。如果有的话,则系统会自动开启摄像机,拍摄真实环境与Unity的画面进行混合处理显示出来。


五:发布移动端,测试评估最基本Demo效果。


发布移动端与一般的Unity手游都是一样的,这里就简略过去。以下显示做好的部分AR Demo 项目截图。



好了,感谢大家学习,有疑问,请留言!
  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

信息技术研习社

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
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