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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00