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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00