ARCore Android SDK 动态功能模块资源压缩问题解决方案
2025-06-09 12:19:22作者:俞予舒Fleming
问题背景
在Android应用开发中使用ARCore SDK时,当开发者尝试将ARCore依赖项包含在动态功能模块(Dynamic Feature Module)中,同时基础应用模块启用了资源压缩(shrinkResources)功能时,构建过程会遇到一个特定错误。错误信息显示资源表中包含对不存在文件的引用,具体指向res/raw/keep_arcore.xml文件。
问题现象
构建过程中出现的错误信息如下:
Resource table of module <dynamic-feature-module> contains references to non-existing files: [res/raw/keep_arcore.xml]
技术原理分析
这个问题源于Android构建系统中资源压缩(shrinkResources)与动态功能模块的交互方式。当启用资源压缩时,构建系统会尝试移除未使用的资源,但ARCore SDK需要保留某些关键资源文件以确保其功能正常运行。
在动态功能模块中,ARCore SDK期望的保留资源文件keep_arcore.xml可能没有被正确包含或保留,导致构建系统在验证资源表时发现引用缺失。
解决方案
针对这一问题,开发者可以采取以下解决方案:
- 创建自定义保留规则文件:
在动态功能模块的
res/raw/目录下创建一个名为keep.xml的文件,内容如下:
<?xml version="1.0" encoding="utf-8"?>
<resources xmlns:tools="http://schemas.android.com/tools"
tools:keep="
@raw/keep_arcore,
@raw/keep"
/>
- 文件放置位置:
该文件应放置在动态功能模块的
src/main/res/raw/目录下,确保它会被正确打包到模块中。
实现细节说明
keep.xml文件使用Android资源工具命名空间(xmlns:tools)来指定需要保留的资源@raw/keep_arcore明确指示构建系统保留ARCore所需的资源文件@raw/keep作为额外保留项,确保其他可能需要保留的原始资源不被移除- 这种解决方案不会影响资源的实际压缩效果,只是确保必要的资源被保留
最佳实践建议
-
模块化开发注意事项: 当在动态功能模块中使用ARCore时,应该特别注意资源管理策略,确保关键资源不会被意外移除。
-
资源压缩配置: 即使使用上述解决方案,仍然建议在
build.gradle文件中仔细配置资源压缩选项,平衡应用大小和功能完整性。 -
测试验证: 应用此解决方案后,应全面测试ARCore相关功能,确保所有增强现实功能正常工作。
总结
通过创建自定义的保留规则文件,开发者可以解决ARCore在动态功能模块中与资源压缩功能的兼容性问题。这一解决方案既保持了资源压缩的优势,又确保了ARCore所需的关键资源被正确保留,是开发AR应用时的有效实践方法。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137