【亲测免费】 AR.js 安装与配置完全指南
2026-01-21 05:11:05作者:蔡丛锟
一、项目基础介绍及主要编程语言
AR.js 是一个轻量级的Web增强现实库,支持图像追踪、基于位置的AR以及标记追踪等功能。这个项目由@jeromeetienne创建,现由AR.js组织维护。它特别适用于通过HTML和JavaScript在网页上快速实现AR体验,无需复杂的原生应用开发。AR.js主要基于A-Frame和_three.js_,采用JavaScript作为核心编程语言。
二、关键技术和框架
- A-Frame: 一个基于HTML的VR框架,使AR的内容创建变得简单直观。
- three.js: 强大的WebGL 3D库,用于构建3D场景和效果。
- Image Tracking: 利用图像识别技术,允许用户通过扫描特定图片触发AR内容。
- Location-based AR: 基于地理位置的AR,让AR体验可以根据用户的实际位置变化。
- Marker Tracking: 使用预定义的标记(如二维码或自定义图案),触发AR效果。
三、安装和配置步骤
准备工作
- 确保环境:你需要有Node.js环境来运行本地服务器,推荐最新稳定版。
- 文本编辑器:选择任何你喜欢的代码编辑器,如Visual Studio Code、Atom等。
- 基本知识:了解基础的HTML、CSS和JavaScript将有助于理解示例代码。
安装步骤
克隆项目到本地
- 打开命令行工具,使用Git克隆仓库到你的电脑上。
git clone https://github.com/AR-js-org/AR.js.git
设置服务器环境(可选)
虽然可以直接从GitHub页面链接加载AR.js,但为了本地开发,建议搭建本地服务器:
-
确保全局安装了
http-server,没有的话通过npm安装:npm install -g http-server -
进入AR.js目录并启动服务器:
cd AR-js http-server -
访问
http://localhost:8080来查看文档或测试示例。
创建简单的AR体验
以图像跟踪为例,创建一个新的HTML文件,比如index.html,然后复制以下代码:
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<script src="https://cdn.jsdelivr.net/gh/aframevr/aframe@1.3.0/dist/aframe-master.min.js"></script>
<script src="https://raw.githack.com/AR-js-org/AR.js/master/aframe/build/aframe-ar-nft.js"></script>
<style>
/* 样式调整 */
</style>
</head>
<body>
<a-scene vr-mode-ui="enabled: false" arjs="debugUIEnabled: false;">
<a-nft type="nft" url="trex" smooth="true">
<a-entity gltf-model="url(trex.scene.gltf)" scale="0.01 0.01 0.01"></a-entity>
</a-nft>
<a-entity camera></a-entity>
</a-scene>
</body>
</html>
注意事项
- 图像资源需正确指向,如果使用本地资源,请保证路径正确。
- 对于在线示例,可能需要CORS代理解决跨域问题,详细处理方法在AR.js官方文档中说明。
- 本地开发时确保通过HTTP服务器访问,否则浏览器安全策略可能会阻止AR功能。
测试AR体验
- 将上述HTML文件放在与服务器相同目录下。
- 在手机上打开网站,并允许摄像头权限。
- 扫描AR.js提供的图片样本或自定义图像追踪标记,观看AR内容激活。
至此,你已经成功设置了AR.js的基本开发环境,并可以开始探索更高级的AR应用开发。记住,AR.js的官方文档是你的朋友,里面包含了更详细的特性和高级用法。快乐地创建AR世界吧!
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
728
906
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
Claude 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 Started
Rust
1.93 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265