面对越来越碎片化的移动端生态，Web标准作为可能是唯一的跨平台工具，在生态中的重要性不言而喻。
如果想要学习WebXR，从哪里入手呢？别急，虽然WebXR和WebGPU还都不成熟，但是现有的技术已经可以让我们实现超出你想象的效果了。
3DoF和6DoF
3DoF是Three Degrees of Freedom的简称，意思是三个自由度。同理，6DoF是Six Degrees of Freedom的简称，表示有6个自由度。
当只有三个自由度的时候，就是我们日常使用的3D模型系统那样的，只能响应旋转操作。千里之行，始于足下。我们就从3个自由度开始。
2D时代，我们通过布局来管理页面的版面。到了3D情况下有些不同。我们先从一个例子来体会一下。
CSS时代我们就是画各种盒子的，所以为了向CSS致敬，我们也画一个3D的盒子。
前端写3D，最主要的框架是Three.js。我们从Three.js的一个封装，A-frame入手。类似于div，在A-frame中使用a-scene来作为一个场景的容器。场景中放各种实体。实体有各种属性。
a-box是一个3D的盒子。a-sky是一个背景天空。
<!DOCTYPE html> <html> <head> <script src="https://aframe.io/releases/1.3.0/aframe.min.js"></script> </head> <body> <a-scene> <a-box position="0 0 -5" rotation="0 0 0" color="#d4380d"></a-box> <a-sky color="#1890ff"></a-sky> </a-scene> </body> </html>
a-box的position属性是x,y,z的值。其中x的正方向向右，y的正方向向上，z的正方向向外。
rotation也是按x,y,z轴旋转。
我们试下先水平向左转30度。为了区分上图我们换个颜色：
<!DOCTYPE html> <html> <head> <script src="https://aframe.io/releases/1.3.0/aframe.min.js"></script> </head> <body> <a-scene> <a-box position="0 0 -5" rotation="0 -30 0" color="#eb2f96"></a-box> <a-sky color="#1890ff"></a-sky> </a-scene> </body> </html>
一个场景不能只有孤零零一个元素啊，我们再给我们的盒子上面顶个球。我们给盒子也换个方向，让它右转30度。
<!DOCTYPE html> <html> <head> <script src="https://aframe.io/releases/1.3.0/aframe.min.js"></script> </head> <body> <a-scene> <a-box position="0 0 -5" rotation="0 30 0" color="#eb2f96"></a-box> <a-sphere position="0 1.4 -5" radius="1" color="#389e0d"></a-sphere> <a-sky color="#1890ff"></a-sky> </a-scene> </body> </html>
这两个元素是一体的，可以一起拖来拖去。
从3D到6D
光有形状太单调了，我们需要像加载2D时代的图片一样的3D模型。
a-assets用来指定资源，每一条资源项目用a-assets-item来表示。
<a-assets> <a-asset-item id="glass" src="./model.glb"></a-asset-item> </a-assets>
<a-entity position="0 1.5 -4" scale="5.0 5.0 5.0" gltf-model="#glass"> </a-entity>
<!DOCTYPE html> <html> <head> <script src="https://aframe.io/releases/1.3.0/aframe.min.js"></script> </head> <body> <a-scene> <a-box position="0 0 -5" rotation="0 30 0" color="#eb2f96"></a-box> <a-sphere position="0 1.4 -5" radius="1" color="#389e0d"></a-sphere> <a-sky color="#1890ff"></a-sky> <a-assets> <a-asset-item id="glass" src="./model.glb"></a-asset-item> </a-assets> <a-entity position="0 1.5 -4" scale="5.0 5.0 5.0" gltf-model="#glass"></a-entity> </a-scene> </body> </html>
这时候我们需要VR眼镜和支持VR的游览器。需要硬件设备的支持来让我们从3自由度跨越到6自由度。
小伙伴们表示缺少VR设备，我们先按下不表，说说不需要设备就可以使用的AR技术。
比如，上面的图我们通过AR的插件可以支持AR模式：
把眼镜戴到人脸上
A-frame主要用来处理VR，但是它也是AR的基础。要实现AR，我们再加一个支持AR的库就好了，比如MindAR.
我们下面就把上面加载的小眼镜戴到脑袋上：
<!DOCTYPE html> <html> <head> <meta name="viewport" content="width=device-width, initial-scale=1" /> <script src="https://cdn.jsdelivr.net/gh/hiukim/mind-ar-js@1.1.4/dist/mindar-face.prod.js"></script> <script src="https://aframe.io/releases/1.2.0/aframe.min.js"></script> <script src="https://cdn.jsdelivr.net/gh/hiukim/mind-ar-js@1.1.4/dist/mindar-face-aframe.prod.js"></script> <style> body { margin: 0; } .example-container { overflow: hidden; position: absolute; width: 100%; height: 100%; } </style> </head> <body> <div class="example-container"> <a-scene mindar-face embedded color-space="sRGB" renderer="colorManagement: true, physicallyCorrectLights" vr-mode-ui="enabled: false" device-orientation-permission-ui="enabled: false"> <a-assets> <a-asset-item id="headModel" src="https://cdn.jsdelivr.net/gh/hiukim/mind-ar-js@1.1.4/examples/face-tracking/assets/sparkar/headOccluder.glb"></a-asset-item> <a-asset-item id="glassModel" src="./model.glb"></a-asset-item> </a-assets> <a-camera active="false" position="0 0 0"></a-camera> <a-entity mindar-face-target="anchorIndex: 168"> <a-gltf-model mindar-face-occluder position="0 -0.3 0.15" rotation="0 0 0" scale="0.06 0.06 0.06" src="#headModel"></a-gltf-model> </a-entity> <a-entity mindar-face-target="anchorIndex: 10"> <a-gltf-model rotation="0 -0 0" position="0 -0.5 -0.6" scale="5.8 5.8 5.8" src="#glassModel" visible="true"></a-gltf-model> </a-entity> </div> </body> </html>
我们可以看到，我们在a-scene里面引入了mindar-face属性的方式来调用Mind-AR的库。因为用到摄像头，我们增加一个a-camera实体。
头部遮挡器模型
在代码中我们发现一个奇怪的东西，我们引入了一个不知道有什么作用的gltf model.
<a-gltf-model mindar-face-occluder position="0 -0.3 0.15" rotation="0 0 0" scale="0.06 0.06 0.06" src="#headModel"></a-gltf-model>
这是初涉AR都会遇到的问题。就是我们从摄像头中获取了足够的人脸的信息，但是我们还需要对人头进行3D模型的重建，这样才能跟眼镜的模型一起计算遮挡关系。
在Mind-AR中，通过mindar-face-occluder属性来实现这个遮挡器的模型，如上面的代码所示。
另外，我们是如何将确定在人脸的什么位置呢？
这需要深度学习人脸识别的模型给我们提供帮助。我们使用Tensorflow.js的Face Landmarks Detection模型，它会将人脸识别为468个关键点。
如果看不清的话，我们将头顶部分局部放大一下：
从中我们可以看到，头顶最中央的位置的锚点编号是10，我们的眼镜定位就是选这个点做定位的。
<a-entity mindar-face-target="anchorIndex: 10"> <a-gltf-model rotation="0 -0 0" position="0 -0.5 -0.6" scale="5.8 5.8 5.8" src="#glassModel" visible="true"></a-gltf-model>
除此之外，arSystem还支持下面的事件：
- arError: 错误处理
- targetFound: 人脸识别成功
- targetLost: 人脸丢失
Mind-AR背后的技术
我们打开控制台，可以看到Mind-AR背后的几个技术：
- wasm
- simd
- webgl2
要支持这种级别的计算，wasm+simd加上webgl2/WebGPU是标配。还没有学习相关技术的同学，敬请关注我的相关系列文章。
另外，前面我们展示的是人脸识别的能力。我们采用其它的深度学习网络，就可以实现其它的锚点功能。
比如，我们可以用coco keypoints模型，使用17个点来定位人的姿态。
更多的tfjs的模型，还有其它兄弟框架的模型，都可以集成进来一起为我们工作。
比如可以翻翻tfjs的模型库：https://github.com/tensorflow/tfjs-models
用React写Mind-AR
如果不习惯HTML格式的话，Mind-AR也支持React的写法：
import React, { useState } from 'react'; import 'mind-ar/dist/mindar-image.prod.js'; import 'aframe'; import 'mind-ar/dist/mindar-image-aframe.prod.js'; import './App.css'; import MindARViewer from './mindar-viewer'; function App() { const [started, setStarted] = useState(false); return ( <div className="App"> <h1>Example React component with <a href="https://github.com/hiukim/mind-ar-js" target="_blank">MindAR</a></h1> <div> {!started && <button onClick={() => {setStarted(true)}}>Start</button>} {started && <button onClick={() => {setStarted(false)}}>Stop</button>} </div> {started && ( <div className="container"> <MindARViewer/> <video></video> </div> )} </div> ); } export default App;
小结
总结Web AR技术，我们主要做三件事：
- 图像识别与物体跟踪：这是一门比较成熟的基于深度学习的技术。实践中，我们主要使用tensorflow.js的模型来实现
- 建模：就像我们给头进行建模所做的事情一样，要让我们识别出来的视频变成3D模型
- 合成：在建模的基础上，将其他的对象一起绘制上去。这方面主要就是结合Three.js, Babylon.js以及VR的A-frame等框架
我们要在手机上落地，还需要对tf.js这样的深度学习引擎，物体识别的算法，还有3D绘图技术进行深度的优化。
此外，3D建模只是模仿外形，我们还没有触及物体的灵魂。后面我们还需要结合数字孪生等技术，让物体数据驱动、智能化，提升交互的效率，更好地服务于业务。
