电话+V：159999-78052，欢迎咨询关于开发ar小程序的项目书，[小程序设计与开发]，[小程序投流与推广]，[小程序后台搭建]，[小程序整套源码打包]，[为个体及小微企业助力]，[电商新零售模式]，[小程序运营推广及维护]
WebAR，这个革命性的技术，正引发三个关键焦点：Web应用的创新、沉浸式AR体验以及行业的无限可能。微信小程序的AR功能为其广泛应用提供了新舞台，前端开发者们正利用WebAR技术，推动着其在各行各业中的普及。让我们一起探索WebAR的定义、发展历程以及其核心技术的应用。
WebAR，即在Web浏览器中集成增强现实，得益于WebRTC、WebGL和传感器API的融合。2009年，FLARToolKit的诞生象征着WebAR的起点，然而，Flash的局限性让手机AR一度占据主导。随着HTML5的兴起，尤其是WebGL和WebRTC的引入，WebAR开始崭露头角，进入全新的发展时期。
WebRTC，这个实时通信的WebAPI，对于AR体验至关重要，它提供了视频处理的强大支持。2013年，Chrome和Firefox率先支持WebRTC，使得WebAR无需依赖外部应用，实现了跨平台的3D效果和交互。然而，统一标准、性能和隐私问题也随之而来，FLARToolKit曾是FlashAR的主力，但逐渐被现代轻量级库AR.js取代。
AR.js，作为现代的AR开发框架，基于ARToolKit，支持标记和位置增强现实，兼容WebGL和WebRTC。它在iOS11+和Android设备上表现优异，封装了WebRTCJS、ARToolKit和Three.js等关键库。AR.js2.0进一步引入了基于位置的AR功能，充分利用了手机传感器技术。
AR.js与JSARToolKit是ARToolKit的Web版，前者在浏览器中实现AR追踪，推荐使用320x240或640x480的帧大小，以处理多个标记。JSARToolKit的性能优化和资源链接可以参考1至6。同时，A-Frame、argon.js、awe.js等其他AR库也在各自的领域中大放异彩。
WebAR的核心步骤包括图像识别、实时跟踪和3D渲染，众多开源工具为开发者提供了丰富的可能性。AR在处理大量3D内容和实时跟踪上虽有挑战，但A-Frame等WebVR框架的出现，如Google和Microsoft等大公司的支持，使得WebAR开发更加便捷，易学且强大。
半岛电视台、华盛顿邮报和NASA等知名品牌已经展示了WebAR的潜力，而A-Frame和Three.js等工具则提供了丰富的开发资源。WebAR的未来，如8thWall的云平台，提供了端到端的实时AR解决方案，以及ARQuickLook，使得高质量3D内容的展示更加便捷。
WebRTC在iOS11+设备上支持HTTPS，需要WebGL2.0或WebGL3DCanvas图形，而WebAR在广告营销领域的应用更是如虎添翼。对于WebAR的探讨和实践，我们期待您的关注和分享，一同见证这一技术的飞速发展。想要深入学习，不妨关注我们的AIRX社区，专研AI/AR/VR的世界。
微信小程序实现WebAR的基础API在2019年7月5日由微信公开课公众号宣布。此API可实时从摄像头获取每帧图像，但缺少图像识别和人脸检测功能。为解决此问题，我们引入了Tacking.js，一个轻量级计算机视觉库，具备颜色跟踪、人脸检测等能力。同时，JSFeat提供类似OpenCV的图像算法，丰富了开发工具箱。
在GitHub上，我们分享了演示项目的源代码，地址请查阅文章末尾。
为了使用此小程序，首先在微信开发者工具中导入源代码，点击“预览”按钮。若此按钮为灰色不可点击，则需填写小程序测试ID。微信小程序会请求使用摄像头权限，选择“允许”。
若选择“拒绝”，请在小程序右上角的设置按钮中重新打开权限。鉴于新API特性，iOS版微信需要7.0.4版，Android版需要7.0.5版。对于大多数未更新的用户，可选择“takeaphoto”模式体验，无需新API支持，因此可在任何版本的微信中使用。
通过扫描图片或周围红色、黄色、蓝色物品，小程序即可开始工作。成功后，将呈现特定效果。在“takeaphoto”模式下，点击按钮拍照，再次点击“retry”可重新尝试。而在“accessacamera”模式下，小程序会自动检测摄像头画面中是否存在指定颜色，无需手动操作。
颜色跟踪功能虽不能精确判断物体，但可在同色物体中区分特定物体。与轮廓分析等技术相比，颜色分析速度快，但准确度较低。此功能适用于对准确度要求不高的场合。
小程序还支持人脸检测，扫描人脸或图片后，人脸会显示方框，并标注眉毛、眼睛、鼻子、嘴巴等31个特征点。点击“changecameradirection”可切换前后摄像头。
2019年8月1日，我们实现了透视变换的人脸检测，当人脸特征点不准确时，2D贴纸的位置也会受到影响。调整人脸识别参数后，特征点更贴近人脸，贴纸位置更准确。
图像识别分为两部分：识别图片和实时获取的图片。在拍照或摄像头图像中，需计算出被识别图片的位置、大小、旋转等变换。被识别图片示例包括旋转、斜切和缩放的图片。通过计算，期望结果为半透明黑色遮罩层覆盖图片。
此外，我们实现了对象跟踪功能，显示方框，但此功能速度慢、准确度差。此功能是Tacking.js的一个例子。
在开发过程中，我们遇到了技术问题，如原生组件camera和canvas叠加时，如何为二者设置CSS的z-index属性以解决遮挡问题。对于实时获取摄像头图像的问题，将frame.data值从ArrayBuffer转换为图像数据的方法是创建Uint8ClampedArray实例。当将tracking.js库移植到微信小程序时，需替换window和navigator对象，并将摄像头图像数据传递给该库。实时获取摄像头图像的停止侦听问题通过使用定时器解决，因为context.onCameraFrame的stop()方法无法停止侦听。微信小程序中无法使用requestAnimationFrame方法，但canvas.requestAnimationFrame已支持。
为优化图像识别，我们采用计时器记录方法耗时，避免无预期效果。通过减少图像尺寸，提高识别速度。预处理方法如灰度化、模糊化、边缘检测等并未显著提高识别速度。在图像尺寸固定时，tracking.js库中人脸检测的initialScale值和颜色检测的minDimension值越大，识别速度越快但精度较低。两个值越小，识别速度慢而精度高。在图像尺寸发生变化时，调整initialScale值和minDimension值以匹配图像尺寸。
在选择优化方案时，需权衡识别精度和速度。例如，在用户拍照场景中，可设置较高精度；而在实时摄像头获取图像场景中，为提高速度可牺牲部分精度。微信小程序无法利用WASM加速或直接使用硬件加速，且存在2MB的大小限制。
为了优化人脸检测演示，我们将原始大小为4MB、包含4层模型的人脸训练模型（Regressor.js）改为了1层模型，以符合微信小程序的大小限制。
IT之家11月12日消息，Meta发布了一段短视频，展示了其OrionAR眼镜原型的操作系统界面。
OrionAR眼镜原型于9月在MetaConnect2024上亮相，尽管Meta承认Orion本身无法实现大规模量产，但该公司计划未来发布一款“基于Orion研发成果”的AR眼镜，不过视场角会更窄一些。
作为Orion项目的一部分，Meta表示，他们开发了一个原型操作系统，包括用户界面和关键应用程序，新视频展示了这个界面以及其中的一些应用程序。
开发者AlexCoulombe称，该视频并非概念视频。“对于那些想知道的人，这不是概念视频，这实际上就是它的样子和感觉，”Alex在X上说。
IT之家注意到，尽管时长不到20秒，Meta的新视频似乎展示了至少六个不同的应用程序启动器主菜单界面。这可能表明其中一些是概念，或者该公司只是在尝试多种设计方案。
电话+V： 159999-78052
专注于小程序推广配套流程服务方案。为企业及个人客户提供了高性价比的运营方案，解决小微企业和个体拓展客户的问题
