Unity AR Foundation 和 CoreML: 实现手部的检测和追踪

0x00 前言

Unity的AR Foundation通过上层抽象，对ARKit和ARCore这些底层接口进行了封装，从而实现了AR项目的跨平台开发能力。

而苹果的CoreML是一个可以用来将机器学习模型与iOS平台上的app进行集成的框架。

本文以及本文结尾处的demo工程，将介绍和演示如何使Unity的AR Foundation与苹果的CoreML一同工作，以实现使用我们的手来和虚拟物体进行交互的功能。

Unity AR Foundation手部检测

本文参考了Gil Nakache的文章，并且所使用的机器学习模型也来自他的文章。在他的那篇文章中，他描述了如何使用Swift在iOS原生平台上实现类似的功能。

Version

Unity Version: 2018.3.13f1

Xcode Version: 10.2.1

The ARFoundation Plugin: 1.5.0-preview.5

iPhone 7: 12.3.1

0x01 实现

导入 AR Foundation Plugin

为了方便，我使用了本地pacakge导入的形式。这种实现方式十分简单，只需要修改工程目录下Package文件夹内的manifest.json文件，在manifest.json文件中添加本地package即可。

"com.unity.xr.arfoundation": "file:../ARPackages/com.unity.xr.arfoundation",
"com.unity.xr.arkit": "file:../ARPackages/com.unity.xr.arkit

导入AR Foundation Package之后，我们就可以在场景中创建一些相关的组件了，比如AR Session、AR Session Origin等等。

之后在我们的脚本中，监听frameReceived事件来获取每一帧的数据。

    if (m_CameraManager != null)

    {

        m_CameraManager.frameReceived += OnCameraFrameReceived;

    }

使用Swift语言创建一个Unity插件

为了使C#语言可以和Swift语言进行交互，我们需要先创建一个Objective-C文件作为桥接。这种方式就是，C#通过[DllImport("__Internal")]来调用一个Objective-C的方法。之后，Objective-C再通过@objc来调用Swift。引入UnityInterface.h之后，Swift可以调用UnitySendMessage方法来向C#传送数据。

这里有一个示例工程，演示了如何为Unity创建一个使用Swift的原生插件，并且在Unity中打印出“Hello, I’m Swift”。

本文所使用的Unity-ARFoundation-HandDetection工程，它的plugins文件夹的目录结构如下：

但是，需要注意的是，Unity直接导出的Xcode工程是没有指定Swift版本的。

因此，我们需要手动指定一个版本，或者创建一个Unity的脚本来自动设置Swift的版本。

导入 mlmodel

将HandModel添加到我们的Xcode工程中，之后它会自动生成一个Objective-C model类。但是我希望得到一个Swift的类，因此我们可以在Build Settings/CoreML Model Compiler - Code Generation Language这里将选项从Auto修改为Swift。

之后，我们会获得一个叫做HandModel的自动生成的Swift类。

当然，如果你不想总是手动添加，同样也可以选择在Unity中创建一个build post processing脚本来自动添加机器学习模型。

如何从AR Foundation中获取ARFrame Ptr

完成了以上步骤之后，基本的交互框架就已经成型了。接下来，我们就需要使用CoreML来实现手部的检测和追踪的具体功能了。

@objc func startDetection(buffer: CVPixelBuffer) -> Bool {

    //TODO

    self.retainedBuffer = buffer

    let imageRequestHandler = VNImageRequestHandler(cvPixelBuffer: self.retainedBuffer!, orientation: .right)

    visionQueue.async {

        do {

            defer { self.retainedBuffer = nil }

            try imageRequestHandler.perform([self.predictionRequest])

        } catch {

            fatalError("Perform Failed:\"\(error)\"")

        }

    }

    return true

}

在Swift中，我们需要一个CVPixelBuffer来创建VNImageRequestHandler以执行手部检测。通常我们需要从ARFrame中来获取它。

CVPixelBufferRef buffer = frame.capturedImage;

因此，下一个问题就是如何从Unity的AR Foundation的C#脚本中获取来自ARKit的ARFrame指针，并且将其传递给使用Objective-C和Swift语言的Hand Detection插件。

在AR Foundation中，我们可以从XRCameraFrame中获取nativePtr，它指向一个ARKit的结构，如下所示：

typedef struct UnityXRNativeFrame_1

{

    int version;

    void* framePtr;

} UnityXRNativeFrame_1;

并且这个framePtr指向了最新的ARFrame。

具体来说，我们可以调用定义在XRCameraSubsystem的TryGetLatestFrame方法来获取一个XRCameraFrame实例。

cameraManager.subsystem.TryGetLatestFrame(cameraParams, out frame)

之后将nativePtr从C#传递给Objective-C。

m_HandDetector.StartDetect(frame.nativePtr);

在Objective-C这边，我们会获得一个UnityXRNativeFrame_1指针并且我们能从其中获取ARFrame指针。

    UnityXRNativeFrame_1* unityXRFrame = (UnityXRNativeFrame_1*) ptr;

    ARFrame* frame = (__bridge ARFrame*)unityXRFrame->framePtr;

    CVPixelBufferRef buffer = frame.capturedImage

一旦获取了ARFrame，接下来就来到了iOS开发的领域。创建一个VNImageRequestHandler对象并且开始执行手部检测。一旦检测完成，detectionCompleteHandler回调会被调用并且会通过UnitySendMessage将检测的结果传递给Unity。

private func detectionCompleteHandler(request: VNRequest, error: Error?) {

    DispatchQueue.main.async {

        if(error != nil) {

            UnitySendMessage(self.callbackTarget, "OnHandDetecedFromNative", "")

            fatalError("error\(error)")

        }

        guard let observation = self.predictionRequest.results?.first as? VNPixelBufferObservation else {

            UnitySendMessage(self.callbackTarget, "OnHandDetecedFromNative", "")

            fatalError("Unexpected result type from VNCoreMLRequest")

        }

        let outBuffer = observation.pixelBuffer

        guard let point = outBuffer.searchTopPoint() else{

            UnitySendMessage(self.callbackTarget, "OnHandDetecedFromNative", "")

            return

        }

        UnitySendMessage(self.callbackTarget, "OnHandDetecedFromNative", "\(point.x),\(point.y)")

    }

}

之后我们会获取在viewport空间的position数据。viewport空间是相对于相机标准化的。 viewport的左下角是（0,0）; 右上角是（1,1）。

一旦我们获取了viewport空间的位置，就可以通过Unity的ViewportToWorldPoint方法将它从viewport空间转换到world空间。传递给该方法的向量参数中的x、y来自Hand Detection的结果，z值则是距离相机的距离。

   var handPos = new Vector3();

   handPos.x = pos.x;

   handPos.y = 1 - pos.y;

   handPos.z = 4;//m_Cam.nearClipPlane;

   var handWorldPos = m_Cam.ViewportToWorldPoint(handPos);

我们可以在Unity中使用这个世界坐标来创建新的Object，或者是将已有的Object移动到这个世界坐标。换句话说，这个Object的位置会根据手的位置而改变。

Post Process Build

正如上文说过的，我们可以在Unity中写一个C#脚本来自动设置生成的Xcode工程中的一些属性。例如，我们可以设置Xcode工程中Build Setting中的Swift Version属性。我们甚至还可以将机器学习模型添加到Build Phases中，比如添加到Compile Sources Phase。这里我们会使用定义在UnityEditor.iOS.Xcode命名空间中的PBXProject类。PBXProject类提供了很多有用的方法，例如AddBuildProperty, SetBuildProperty, AddSourcesBuildPhase。

[PostProcessBuild]

public static void OnPostProcessBuild(BuildTarget buildTarget, string path)

{

    if(buildTarget != BuildTarget.iOS)

    {

        return;

    }

    string projPath = path + "/Unity-iPhone.xcodeproj/project.pbxproj";

    var proj = new PBXProject();

    proj.ReadFromFile(projPath);

    var targetGUID = proj.TargetGuidByName("Unity-iPhone");

    //set xcode proj properties

    proj.AddBuildProperty(targetGUID, "SWIFT_VERSION", "4.0");

    proj.SetBuildProperty(targetGUID, "SWIFT_OBJC_BRIDGING_HEADER", "Libraries/Plugins/iOS/HandDetector/Native/HandDetector.h");

    proj.SetBuildProperty(targetGUID, "SWIFT_OBJC_INTERFACE_HEADER_NAME","HandDetector-Swift.h");

    proj.SetBuildProperty(targetGUID, "COREML_CODEGEN_LANGUAGE", "Swift");

    //add handmodel to xcode proj build phase.

    var buildPhaseGUID = proj.AddSourcesBuildPhase(targetGUID);

    var handModelPath = Application.dataPath + "/../CoreML/HandModel.mlmodel";

    var fileGUID = proj.AddFile(handModelPath, "/HandModel.mlmodel");

    proj.AddFileToBuildSection(targetGUID, buildPhaseGUID, fileGUID);

    proj.WriteToFile(projPath);

}

0x02 结论

使用Unity中的AR Foundation和CoreML，我们可以让Unity Chan站在我们的手指上。

本文简单描述了集成CoreML和AR Foundation的过程。我相信大家可以使用它们作出更有趣的内容。

这里是文中所使用的demo工程。

https://github.com/chenjd/Unity-ARFoundation-HandDetection

Useful Links

https://heartbeat.fritz.ai/hand-detection-with-core-ml-and-arkit-f4c8da98e88e

https://medium.com/@kevinhuyskens/implementing-swift-in-unity-53e0b668f895

http://chenjd.xyz/2019/07/22/Unity-ARFoundation-CoreML/