Vuforia开发基础(二):官方demo解析
前面一篇文章《官方Demo编译运行》，介绍了一些编译运行的操作。由于Vuforia的demo比较多，有如下这些：
核心案例（Core Samples）：
· Object Recognition
· Image Targets
· Cylinder Targets
· Multi Targets
· User Defined Targets
· Smart Terrain(Unity only)
· Cloud Recognition
· Text Recognition
· Frame Makers
· Virtual Buttons
高级案例（Advanced Topics）：
· Occlusion Management
· Background Texture Access
· Video Playback
· Dominoes
· Image Targets in C++
最佳实践（Best Practices）：
· Books：主要使用云服务，识别Target，通过网络获取对应的附加信息。
· Penguin：Smart terrain（智能地形）案例，这个未来在游戏领域会有很多想象空间。
云服务（Vuforia Web Services Samples）：Vuforia网络一般是云服务。
PS：这些资源都可以通过这个页面进行下载：
https://developer.vuforia.com/downloads/sdk
而这些demo的编译操作，在Unity3D上面来说，大同小异，而在Android和iOS上，基本都是一样的。
PS：在Unity3D版本中，没有以下这两个demo：
· Dominoes
· Image Targets in C++
而Smart Terrain只有Unity3D中有，同理，Penguin也只有在Unity中支持。
下面对每个案例进行分析，就从官网给的顺序来吧：
Object Recognition:
额，还是把Object Recognition放到最后来讲吧，因为这个是最新，也是比较复杂的。
1、Image Targets
这个是使用频率最高的。前面《官方Demo编译运行》就是以这个案例为例来介绍的，可以去看那篇文章。特点：没有特点
2、Cylinder Targets
通过这些demo的名称一般都能看出他们的功能。这个主要是圆柱体的Target。而Image Targets是以2D图片作为识别Target。特点：识别圆柱、虚实遮挡
3、Multi Targets
这个就是立方体的盒子。这个功能和之前的Cylinder Targets功能，一个是立方体，例如物体的包装盒，比如乐高玩具；一个是圆柱体，例如罐头，例如可乐罐。说到这里，应该又有很多想象的空间了。
特点：识别立方体，虚实遮挡
4、Frame Markers
这个功能在需要单独识别相类似的图片，并且这个图片很小的时候，或者当其中几个图需要被同时识别出的时候。
对于同时被识别这个定义，其实就是在一个摄像头画面中，能同时识别出几个Target，如果是普通的2Dimage，同时最多5个，还要受硬件设备的限制。但是Frame Markers可以同时识别0-511个Target，也就是最大的识别数量是512。
特点：灵活，是不是跟二维码有的一拼呢？
总结：以上四个功能都是需要事先制作Target（Object
Recognition也需要）。关于怎么去制作，将在后面专门介绍。
5、User Defined Targets 用户自定义
根据字面意思，这个是用户自定义标识。怎么理解这个呢？当用户拍摄一幅图像时，可以实时将这幅图作为Target使用，然后就会显示Augmented（一个茶壶）。当然目前这个功能只适合于2D Image。
特点：用户自定义，自由灵活（相对的）
6、Text Recognition 文本识别
看字面意思，应该就能知道这个功能的用途。对，没错，就是文字识别。目前只支持英文，可惜。不过对于文字识别，国内有家公司做的很好，他们的产品有名片全能王（注：这里绝对不是广告）。
特点：没有特点，用的比较少
7、Virtual Buttons虚拟按钮
这个功能还是很好用的，我比较喜欢。官方demo两个，一个手指踢足球，一个是触碰改变茶壶材质，有了这两个demo，在一般的项目中应该就够用了。关于虚拟按钮功能开发，后面也会有专门的文章介绍。
特点：新颖，有趣，可扩展性强
8、Cloud Recognition 云识别
未来可能是个趋势。主要是将Target和其他数据放在云端，或者将相关数据放到自家的服务器端。然后客户端进行获取图像在云端匹配并获取json数据在客户端解析之后，展示出来，整个流程就完了。目前这个结合VWS API来开发会比较好，但是局限性也挺多，需慎重使用。后面的“最佳实践”中的Books案例展示的。但是这个demo中，只做到获取云端的camera的矩阵数据，然后显示的茶壶。那能不能把模型放到后台服务器呢，当然可以！
特点：前景大，可扩展性强
9、Smart Terrain(Unity only)智能地形
类似三维重建，但是区别又挺大，可以叫做重建三维吧。根据标识，重建出三维场景，这个demo比较简单，可以看“最佳实践”的Penguin案例。目前除了Vuforia官方出的视频，暂时没看到用这个功能的有趣的应用和案例。
特点：游戏，趋势，趣味，想象空间
好了，终于到了最后了，讲讲Object Recognition.
10、Object Recognition
姑且叫做对象识别吧。这个功能是4.x版本出的，算是让人耳目一新的。但是想实现这样的一个功能，其实还是满费劲的，看我之前写的文章：
http://blog.****.net/ggtaas/article/details/42132043
http://blog.****.net/ggtaas/article/details/42168575
http://blog.****.net/ggtaas/article/details/42192667
高级案例：
1、Occlusion Management
Target使用的是Multi Targets一样的立方体标志。但是前面的是3D物体在立方体标志外面旋转，这里茶壶是在立方体里面，并且半透明。使用了一些特殊的处理，后面文章再仔细分析，如果有必要的话。因为这个功能我也很少会用到。
特点:好奇特，暂时想不到什么用处，只是为了好玩吗？
2、Background Texture Access
乍一看和ImageTarget没什么区别，但是却暗藏玄机。他可以获取并修改背景。但是我发现其他案例中，我也可以获取并修改，这个后面再说。
运行之后会发现背景图像好可怕。到底怎么可怕呢？童鞋们自己实践一下吧。
特点：背景背景
3、Video Playback
视频播放。这个功能也算是明星功能，用的频率不是一般高，在我的使用过程中，仅次于ImageTargets（似乎哪都有他）。可见这个功能是多么受欢迎，在电影海报，广告等营销案例中，应用尤为多。另外，与云识别结合，也是很好的。
特点：视频视频
最佳实践：
1、Books
云识别+数据。其实这个就是我之前写过的文章，未来AR趋势介绍的：未来AR应该有云+大数据，那样才能好玩呢。期待中，当然，我也希望能够参与其中。
特点：云啊云
2、Penguin(企鹅)
核心案例（Core Samples）：
· Object Recognition
· Image Targets
· Cylinder Targets
· Multi Targets
· User Defined Targets
· Smart Terrain(Unity only)
· Cloud Recognition
· Text Recognition
· Frame Makers
· Virtual Buttons
高级案例（Advanced Topics）：
· Occlusion Management
· Background Texture Access
· Video Playback
· Dominoes
· Image Targets in C++
最佳实践（Best Practices）：
· Books：主要使用云服务，识别Target，通过网络获取对应的附加信息。
· Penguin：Smart terrain（智能地形）案例，这个未来在游戏领域会有很多想象空间。
云服务（Vuforia Web Services Samples）：Vuforia网络一般是云服务。
PS：这些资源都可以通过这个页面进行下载：
https://developer.vuforia.com/downloads/sdk
而这些demo的编译操作，在Unity3D上面来说，大同小异，而在Android和iOS上，基本都是一样的。
PS：在Unity3D版本中，没有以下这两个demo：
· Dominoes
· Image Targets in C++
而Smart Terrain只有Unity3D中有，同理，Penguin也只有在Unity中支持。
下面对每个案例进行分析，就从官网给的顺序来吧：
Object Recognition:
额，还是把Object Recognition放到最后来讲吧，因为这个是最新，也是比较复杂的。
1、Image Targets
这个是使用频率最高的。前面《官方Demo编译运行》就是以这个案例为例来介绍的，可以去看那篇文章。特点：没有特点
2、Cylinder Targets
通过这些demo的名称一般都能看出他们的功能。这个主要是圆柱体的Target。而Image Targets是以2D图片作为识别Target。特点：识别圆柱、虚实遮挡
3、Multi Targets
这个就是立方体的盒子。这个功能和之前的Cylinder Targets功能，一个是立方体，例如物体的包装盒，比如乐高玩具；一个是圆柱体，例如罐头，例如可乐罐。说到这里，应该又有很多想象的空间了。
特点：识别立方体，虚实遮挡
4、Frame Markers
这个功能在需要单独识别相类似的图片，并且这个图片很小的时候，或者当其中几个图需要被同时识别出的时候。
对于同时被识别这个定义，其实就是在一个摄像头画面中，能同时识别出几个Target，如果是普通的2Dimage，同时最多5个，还要受硬件设备的限制。但是Frame Markers可以同时识别0-511个Target，也就是最大的识别数量是512。
特点：灵活，是不是跟二维码有的一拼呢？
5、User Defined Targets 用户自定义
根据字面意思，这个是用户自定义标识。怎么理解这个呢？当用户拍摄一幅图像时，可以实时将这幅图作为Target使用，然后就会显示Augmented（一个茶壶）。当然目前这个功能只适合于2D Image。
特点：用户自定义，自由灵活（相对的）
6、Text Recognition 文本识别
看字面意思，应该就能知道这个功能的用途。对，没错，就是文字识别。目前只支持英文，可惜。不过对于文字识别，国内有家公司做的很好，他们的产品有名片全能王（注：这里绝对不是广告）。
特点：没有特点，用的比较少
7、Virtual Buttons虚拟按钮
这个功能还是很好用的，我比较喜欢。官方demo两个，一个手指踢足球，一个是触碰改变茶壶材质，有了这两个demo，在一般的项目中应该就够用了。关于虚拟按钮功能开发，后面也会有专门的文章介绍。
8、Cloud Recognition 云识别
未来可能是个趋势。主要是将Target和其他数据放在云端，或者将相关数据放到自家的服务器端。然后客户端进行获取图像在云端匹配并获取json数据在客户端解析之后，展示出来，整个流程就完了。目前这个结合VWS API来开发会比较好，但是局限性也挺多，需慎重使用。后面的“最佳实践”中的Books案例展示的。但是这个demo中，只做到获取云端的camera的矩阵数据，然后显示的茶壶。那能不能把模型放到后台服务器呢，当然可以！
特点：前景大，可扩展性强
9、Smart Terrain(Unity only)智能地形
类似三维重建，但是区别又挺大，可以叫做重建三维吧。根据标识，重建出三维场景，这个demo比较简单，可以看“最佳实践”的Penguin案例。目前除了Vuforia官方出的视频，暂时没看到用这个功能的有趣的应用和案例。
特点：游戏，趋势，趣味，想象空间
好了，终于到了最后了，讲讲Object Recognition.
10、Object Recognition
姑且叫做对象识别吧。这个功能是4.x版本出的，算是让人耳目一新的。但是想实现这样的一个功能，其实还是满费劲的，看我之前写的文章：
http://blog.****.net/ggtaas/article/details/42132043
http://blog.****.net/ggtaas/article/details/42168575
http://blog.****.net/ggtaas/article/details/42192667
高级案例：
1、Occlusion Management
Target使用的是Multi Targets一样的立方体标志。但是前面的是3D物体在立方体标志外面旋转，这里茶壶是在立方体里面，并且半透明。使用了一些特殊的处理，后面文章再仔细分析，如果有必要的话。因为这个功能我也很少会用到。
特点:好奇特，暂时想不到什么用处，只是为了好玩吗？
2、Background Texture Access
乍一看和ImageTarget没什么区别，但是却暗藏玄机。他可以获取并修改背景。但是我发现其他案例中，我也可以获取并修改，这个后面再说。
运行之后会发现背景图像好可怕。到底怎么可怕呢？童鞋们自己实践一下吧。
特点：背景背景
3、Video Playback
视频播放。这个功能也算是明星功能，用的频率不是一般高，在我的使用过程中，仅次于ImageTargets（似乎哪都有他）。可见这个功能是多么受欢迎，在电影海报，广告等营销案例中，应用尤为多。另外，与云识别结合，也是很好的。
特点：视频视频
1、Books
云识别+数据。其实这个就是我之前写过的文章，未来AR趋势介绍的：未来AR应该有云+大数据，那样才能好玩呢。期待中，当然，我也希望能够参与其中。
特点：云啊云
图中绿色部分是啥？运行一下，你就知道。
2、Penguin(企鹅)
这个在前面Smart Terrain中介绍了。
请尊重所有作者的劳动，转载请注明原帖来自 AR学院 ！