visionOS空间计算实战开发教程Day 2 使用RealityKit显示3D素材

简介: 我们在Day1中学习了如何创建一个visionOS应用,但在第一个Demo应用中我们的界面内容还是2D的,看起来和其它应用并没有什么区别。接下来我们先学习如何展示3D素材,苹果为方便开发人员,推出了RealityKit,接下来看如何使用。

我们在Day1中学习了如何创建一个visionOS应用,但在第一个Demo应用中我们的界面内容还是2D的,看起来和其它应用并没有什么区别。接下来我们先学习如何展示3D素材,苹果为方便开发人员,推出了RealityKit,接下来看如何使用。

首先我们需要一个3D素材,Apple在Quick Look页面提供了一些素材,读者也可以到Sketchfab等网站获取其它的免费或付费素材,推荐的格式是usdz,这是Pixar研发开源的一种文件格式,目前根据AOUSD官网其主要成员有苹果、英伟达、AutoDesk、Adobe和Unity等业界大佬。并且主流的设备软件基本都内置或由社区提供了对usdz的格式转换工具。

import SwiftUI
import RealityKit
struct ContentView: View {
    private let url = URL(string: "https://developer.apple.com/augmented-reality/quick-look/models/teapot/teapot.usdz")!
    var body: some View {
        VStack {
            Text("Show teapot")
            Model3D(url: url) { model in
                model
                    .resizable()
                    .aspectRatio(contentMode: .fit)
                    .frame(width: 200, height: 200)
            } placeholder: {
                ProgressView()
            }
        }
        .padding()
    }
}

可以看到Model3D和SwiftUI中其它视图的使用差别并不大,因为我们要从网络上拉取资源,所以使用ProgressView来提示用户资源处于加载中的状态。

其它相关内容请见虚拟现实(VR)/增强现实(AR)&visionOS开发学习笔记

相关文章
|
5月前
|
JSON Java 数据库连接
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
AI训练师入行指南(三):成熟AI模型与自研如何选择?
本文为AI训练师提供选型指南,探讨使用成熟模型还是自研算法。内容涵盖NLP、CV和多模态场景下主流模型推荐,如DeepSeek-Chat、GPT-4o、ResNet-50等,以及自研模型的应用场景与技术实现。同时提供懒人四步决策法和避雷口诀,帮助快速选择适合的工具。新手建议从预训练模型入手,逐步深入魔改或自研,避免常见坑点。附带场景化对比表,助力高效决策。
342 5
|
SQL 关系型数据库 MySQL
SqlAlchemy 2.0 中文文档(六十五)(1)
SqlAlchemy 2.0 中文文档(六十五)
141 0
|
消息中间件 Unix C语言
CMake 秘籍(二)(5)
CMake 秘籍(二)
340 1
|
安全 API 开发工具
全面对比API和SDK
全面对比API和SDK
2044 0
|
存储 监控 安全
日志服务SLS:为数据安全保驾护航
日志服务SLS:为数据安全保驾护航 在数字化时代,数据安全成为企业关注的焦点。阿里云日志服务SLS(Log Service)通过密钥管理服务KMS(Key Management Service)对数据进行加密存储,提供数据静态保护能力。同时,SLS支持基于SSL/TLS的HTTPS加密传输,有效防止数据在云端的潜在安全风险。
335 7
|
数据库管理
Mac检出svn checkout报错 svn: E200030: SQLite 编译为 3.39.5,但是运行于 3.39.4
Mac检出svn checkout报错 svn: E200030: SQLite 编译为 3.39.5,但是运行于 3.39.4
685 0
|
存储 算法 Java
【分布式】Zookeeper 使用环境搭建
【1月更文挑战第25天】【分布式】Zookeeper 使用环境搭建
|
资源调度 算法
【MATLAB第52期】基于MATLAB的高斯过程GPR超参数(sigma)自动优化算法 时间序列预测模型 五折交叉验证
使用GPR自动优化函数,对sigma进行自动寻优。一列时间序列数据 ,滑动窗口尺寸为15。适应度值log(1+loss)。
【MATLAB第52期】基于MATLAB的高斯过程GPR超参数(sigma)自动优化算法 时间序列预测模型 五折交叉验证
|
监控 Java 网络安全
JMX监控zookeeper
JMX监控zookeeper
7386 0
下一篇
开通oss服务