带你读《2022技术人的百宝黑皮书》——进入 WebXR 的世界（1）
https://developer.aliyun.com/article/1262254?spm=a2c6h.13148508.setting.14.69d84f0eIRNX5Z
AR的第一步
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：
我们来看看源代码：
<!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> <a-scene mindar-face embedded color-space="sRGB" renderer="colorManagement: true, physi- callyCorrectLights" 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/exam- ples/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> </a-entity>
我们当然也可以用两眼中间的168号点作为眼镜定位的点，实际上我们看到，我们的头模型正是以这个168点为锚进 行定位的：
<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="#head-Model"></a-gltf-model> </a-entity>
事件处理
光有AR代码还不行，我们还得加上事件处理来处理各种玩法。
比如我们想判断AR系统什么时候就绪，可以去监听arReady事件
document.addEventListener("DOMContentLoaded", () => { const scene = document.querySelector('a-scene'); const arSystem = scene.systems['mindar-face-system']; scene.addEventListener("arReady", (event)=>{ alert('AR系统加载成功！'); }) });
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。
如果觉得17个点太粗糙，还想针对手和脚做更精确一点的定位，我们可以换成blazepose的32点的模型：
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：
1.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
2.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
3.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。
