Immersal SDK 示例项目使用教程
1. 项目介绍
Immersal SDK 示例项目是一个展示如何使用 Immersal SDK 进行增强现实(AR)应用开发的示例集合。该项目包含多个示例场景,展示了 Immersal SDK 的各种功能,如多地图定位、内容放置、导航等。通过这些示例,开发者可以快速了解和掌握 Immersal SDK 的使用方法,并将其应用到自己的 AR 项目中。
2. 项目快速启动
2.1 环境准备
- Unity 版本: 2022.3 LTS 或更高版本
- AR Foundation: 5+
- Immersal SDK: 从 Immersal 开发者门户下载最新版本的 Unity 插件
2.2 安装步骤
-
克隆项目仓库
git clone https://github.com/immersal/immersal-sdk-samples.git -
导入 Immersal SDK 插件
- 打开 Unity,点击
Open Project,导航到克隆的项目文件夹并打开。 - 点击
Assets -> Import Package -> Custom Package,选择下载的ImmersalSDKvX_X_X.unitypackage文件并导入。
- 打开 Unity,点击
-
安装依赖包
- 打开
Window -> Package Manager。 - 安装
AR Foundation、ARCore XR Plugin、ARKit XR Plugin和TextMesh Pro(如果需要)。
- 打开
2.3 运行示例场景
- 打开 Unity 项目。
- 导航到
Assets/Samples/Immersal SDK Core/2.0.0/Core Samples/Scenes/目录。 - 双击任意示例场景(如
MultimapSampleScene)并运行。
3. 应用案例和最佳实践
3.1 多地图定位示例
MultimapSampleScene 展示了如何使用多个预先生成的地图进行设备定位,并在 AR 空间中显示 3D 对象。开发者可以通过此示例学习如何创建和管理多个地图,并在不同场景中进行定位。
3.2 内容放置示例
ContentPlacementSample 允许用户在 AR 空间中放置对象,并将其位置保存到本地。虽然这些位置不会在设备间持久化,但开发者可以通过此示例学习如何在 AR 环境中进行对象的动态放置和管理。
3.3 导航示例
NavigationSample 提供了一个 AR 导航的示例,展示了如何在 AR 环境中进行路径引导。开发者可以通过此示例学习如何结合地图数据和 AR 技术进行导航应用的开发。
4. 典型生态项目
4.1 Immersal SDK Magic Leap 2 示例
Immersal SDK 还提供了针对 Magic Leap 2 设备的示例项目,展示了如何在 Magic Leap 2 上使用 Immersal SDK 进行 AR 开发。开发者可以通过此项目了解如何在 Magic Leap 2 设备上集成和使用 Immersal SDK。
4.2 Immersal SDK Unity 示例
除了 GitHub 上的示例项目,Immersal 还提供了官方的 Unity 示例项目,开发者可以通过 Unity 的 Package Manager 下载并导入这些示例,进一步学习和掌握 Immersal SDK 的使用。
通过这些示例和生态项目,开发者可以快速上手 Immersal SDK,并将其应用到各种 AR 应用场景中。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00