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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00