Unity ARFoundation 示例项目中的 ARSessionOrigin.MakeContentAppearAt 方法迁移指南
在 Unity ARFoundation 示例项目中,开发者可能会遇到 ARSessionOrigin.MakeContentAppearAt 方法已被标记为过时的问题。这个问题主要出现在 Unity 2022.3.20 版本中,当开发者尝试使用 ARFoundation 5.x 版本时。
背景说明
ARSessionOrigin.MakeContentAppearAt 方法原本是 ARFoundation 中用于将虚拟内容定位到真实世界特定位置的重要方法。随着 ARFoundation 5.x 版本的发布,Unity 对该功能进行了重构,移除了这个方法,转而采用更现代的架构设计。
问题分析
在 ARFoundation 5.x 版本中,Unity 建议开发者使用 XROrigin 类来替代 ARSessionOrigin。然而,XROrigin 类中并没有直接提供 MakeContentAppearAt 方法的替代实现,这给开发者带来了迁移上的困惑。
解决方案
对于需要实现类似功能的开发者,可以考虑以下几种替代方案:
-
手动计算位置转换: 开发者可以自行计算从虚拟空间到真实世界的坐标转换。这通常涉及获取 AR 平面或特征点的位置信息,然后使用 Transform 组件手动设置虚拟对象的位置。
-
使用 ARAnchorManager: 在 ARFoundation 5.x 中,更推荐使用锚点(Anchor)系统来固定虚拟内容。开发者可以创建 ARAnchor 并将其附加到检测到的平面上,然后将虚拟对象作为锚点的子对象。
-
自定义扩展方法: 开发者可以基于 XROrigin 类创建自定义的扩展方法,封装坐标转换逻辑,实现类似 MakeContentAppearAt 的功能。
实现示例
以下是一个简单的实现示例,展示了如何手动将对象放置在检测到的平面上:
public void PlaceObjectOnPlane(Vector3 screenPosition, GameObject content)
{
// 从屏幕位置发射射线
if (Raycast(screenPosition, out ARRaycastHit hit))
{
// 获取命中点的姿势
Pose hitPose = hit.pose;
// 设置对象位置和旋转
content.transform.SetPositionAndRotation(hitPose.position, hitPose.rotation);
// 可选:创建锚点
var anchor = anchorManager.AddAnchor(hitPose);
content.transform.SetParent(anchor.transform);
}
}
迁移建议
对于使用 Unity 2022.3.20 版本的开发者,建议:
- 仔细评估项目对 ARFoundation 版本的依赖关系
- 如果必须使用 5.x 版本,需要重构相关代码
- 考虑实现自定义的辅助类来封装坐标转换逻辑
- 充分利用 ARFoundation 5.x 提供的新特性,如改进的锚点系统
总结
虽然 ARSessionOrigin.MakeContentAppearAt 方法的移除给开发者带来了迁移上的挑战,但这反映了 ARFoundation 向更现代架构的演进。开发者可以通过理解底层原理,采用更灵活的解决方案来实现相同的功能。在迁移过程中,建议充分测试新的实现方式,确保在真实场景中的定位准确性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00