HTC VIVE 104的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

VR與AR開發高級教程：基於Unity

為了解決HTC VIVE 104的問題，作者吳亞峰等 這樣論述：

本書共分11章，主要講解了VR和AR的開發和應用，主要內容為：增強現實以及AR工具介紹，Unity開發環境搭建及Vuforia開發環境搭建，Vuforia核心功能，如掃描圖片、圓柱體識別、多目標識別、文字識別、雲識別、物體識別和案例等，EasyAR開發知識，基於Unity開發VR，Cardboard VR開發，三星Gear VR應用開發，HTC Vive平台VR開發。通過兩大綜合案例Gear VR游戲—Breaker和科普類AR&VR應用—星空探索，為讀者全面展示AR VR案例開發的過程，使讀者盡快進入實戰角色。 本書適合程序員、AR VR開發者、AR VR愛好者，以及大專院校相關專業的師生

學習用書和培訓學校的教材。 吳亞峰，畢業於北京郵電大學，后留學澳大利亞卧龍崗大學取得碩士學位。1998年開始從事Java應用的開發，有10多年的Java開發與培訓經驗。主要的研究方向為OpenGL ES、手機游戲、Java EE以及搜索引擎。同時為手機游戲、Java EE獨立軟件開發工程師，現任職於華北理工大學並兼任華北理工大學以升大學生創新實驗中心移動及互聯網軟件工作室負責人。十多年來不但指導學生多次制作手游作品獲得多項學科競賽大獎，還為數十家知名企業培養了上千名高級軟件開發人員。 曾編寫過《OpenGL ES 3.0游戲開發（上下卷）》、《Unity 5.X 3D游戲

開發技術詳解與典型案例》、《Unity 4 3D開發實戰詳解》、《Unity游戲案例開發大全》、《Android應用案例開發大全》（第1版、第二版及第三版）、《Android游戲開發大全》（第1版、第二版及第三版）等多本暢銷技術書籍。2008年初開始關注Android平台下的3D應用開發，並開發出一系列優質的Android應用程序與3D游戲。 第1章　初見增強現實　1 1．1　增強現實簡介　1 1．2　AR工具簡介　1 1．3　Unity開發環境搭建　2 1．3．1　Windows平臺下Unity的下載及安裝　2 1．3．2　Mac OS平臺下Unity的下載及安裝　6 1

．3．3　目標平臺的SDK與Unity集成　9 1．4　Vuforia開發環境的搭建　12 1．5　本章小結　16 1．6　習題　16 第2章　Vuforia核心功能介紹　17 2．1　掃描圖片—Image Target　17 2．2　圓柱體識別—Cylinder Targets　18 2．2．1　圖片標準　18 2．2．2　如何獲取實際物體的具體參數　18 2．2．3　如何製作自訂的商標　19 2．2．4　如何達到最好的效果　20 2．3　多目標識別—MultiTargets　20 2．3．1　多目標識別原理　21 2．3．2　對多目標識別的選擇建議　21 2．4　標記框架—Frame M

arkers　21 2．5　文字識別—Text Recognition　22 2．5．1　可識別字體格式　22 2．5．2　使用文本識別　22 2．5．3　應用篩檢程式　23 2．6　使用者自訂目標—User Defined Targets　23 2．6．1　適合被追蹤的場景和物體　24 2．6．2　介紹使用者自訂目標預製件　24 2．7　虛擬按鈕—Virtual Button　24 2．7．1　按鈕的設計以及佈局　24 2．7．2　虛擬按鈕的相關特性　25 2．7．3　虛擬按鈕的擺放　25 2．8　雲識別—Cloud Recognition　26 2．8．1　雲識別的優勢以及注意事項　26

2．8．2　雲識別的兩種管理方式　26 2．9　智能地形—SmartTerrain　28 2．9．1　智能地形子物件　28 2．9．2　使用範圍及設備要求　29 2．9．3　智慧地形工作原理　29 2．10　物體識別—Object Recognition　30 2．10．1　可識別物體　30 2．10．2　下載Vuforia掃描器　31 2．10．3　掃描3D物體步驟　31 2．11　本章小結　33 2．12　習題　33 第3章　Vuforia核心功能官方案例詳解　35 3．1　官方案例下載及ARCamera參數講解　35 3．2　掃描圖片官方案例詳解　37 3．2．1　預製件通用腳本介紹　

38 3．2．2　運行效果　39 3．2．3　開發流程　40 3．3　圓柱識別案例詳解　43 3．3．1　運行效果　43 3．3．2　開發流程　43 3．4　多目標識別案例詳解　47 3．4．1　運行效果　48 3．4．2　開發流程　48 3．5　標記框架案例詳解　53 3．5．1　運行效果　53 3．5．2　開發流程　53 3．6　文字識別案例詳解　54 3．6．1　運行效果　54 3．6．2　開發流程　55 3．7　自訂目標識別案例詳解　58 3．7．1　運行效果　59 3．7．2　開發流程　59 3．8　虛擬按鈕案例詳解　63 3．8．1　運行效果　63 3．8．2　開發流程　63 3．

9　雲識別案例詳解　69 3．9．1　運行效果　69 3．9．2　開發流程　69 3．10　智能地形案例　75 3．10．1　基礎案例　75 3．10．2　Penguin案例　78 3．11　3D物體識別案例詳解　80 3．11．1　運行效果　80 3．11．2　開發流程　81 3．12　本章小結　84 3．13　習題　84 第4章　EasyAR概述　85 4．1　EasyAR基礎知識講解　85 4．1．1　EasyAR基本介紹　85 4．1．2　EasyAR SDK下載及官方案例導入　85 4．2　EasyAR圖片識別功能　89 4．2．1　案例效果　89 4．2．2　案例詳解　89 4．

3　EasyAR視頻播放功能　93 4．3．1　案例效果　93 4．3．2　案例詳解　94 4．4　本章小結　99 4．5　習題　99 第5章　基於Unity開發的VR設備初探　101 5．1　基於Unity開發的VR設備　101 5．1．1　Oculus Rift　101 5．1．2　Microsoft HoloLens全息眼鏡　104 5．1．3　Gear VR　104 5．1．4　PlayStation VR　105 5．1．5　HTC Vive　105 5．2　Oculus Rift環境配置與簡要介紹　105 5．2．1　Oculus Rift安裝　106 5．2．2　Oculus系

統託盤　108 5．2．3　Oculus PC SDK開發準備　109 5．2．4　遊戲手柄的使用　110 5．2．5　Unity整合包簡單介紹　110 5．3　移動控制　113 5．3．1　基礎知識　113 5．3．2　移動控制的案例　115 5．4　準星的開發　118 5．4．1　基礎知識　119 5．4．2　準星開發案例　119 5．5　功能表介面的開發　123 5．5．1　場景的搭建　124 5．5．2　C#腳本的開發　126 5．6　綜合案例　129 5．6．1　場景的搭建　130 5．6．2　著色器及相關腳本的開發　132 5．7　本章小結　137 5．8　習題　138 第6章　

Cardboard VR開發　139 6．1　Cardboard SDK基本介紹　139 6．1．1　Cardboard SDK的下載與導入　140 6．1．2　SDK官方預製件　141 6．1．3　SDK中的指令檔　143 6．2　Cardboard SDK官方案例　144 6．3　一個綜合案例　148 6．3．1　獲取藍牙手柄鍵值　149 6．3．2　場景一的搭建與開發　150 6．3．3　場景二的搭建與開發　153 6．4　本章小結　156 6．5　習題　156 第7章　三星Gear VR應用開發　157 7．1　Gear VR概覽　157 7．1．1　初識Gear VR　157 7．

1．2　Oculus Home　158 7．2　開發前的準備　159 7．2．1　下載Oculus Mobile SDK　159 7．2．2　獲取Oculus簽名檔　160 7．2．3　相關軟硬體的基本要求　161 7．3　Oculus Mobile SDK概述　162 7．3．1　SDK檔目錄介紹　162 7．3．2　腳本功能介紹　163 7．3．3　OVRCameraRig腳本介紹　163 7．3．4　外設輸入介面開發　165 7．3．5　場景載入時的淡入效果腳本　169 7．4　遊戲性能問題　170 7．4．1　硬體介紹以及降低性能的因素　170 7．4．2　開發中需要注意的問題　171

7．5　一個簡單的案例　171 7．5．1　案例功能簡介　172 7．5．2　VR場景搭建　172 7．5．3　UGUI事件監聽系統　174 7．5．4　追蹤遊標的實現　176 7．5．5　觸控板事件監聽　177 7．5．6　部署運行APK的步驟　178 7．6　本章小結　179 7．7　習題　179 第8章　HTC Vive 平臺VR開發簡介　181 8．1　HTC Vive基本介紹　181 8．1．1　設備的安裝　183 8．1．2　Viveport和手機通知　186 8．2　SDK基本介紹　188 8．2．1　下載Steam VR　188 8．2．2　Vive SDK的下載及導入　1

89 8．2．3　SDK中的官方預製件　190 8．3　SDK案例講解　192 8．4　SDK腳本講解　194 8．4．1　SteamVR_GazeTracker腳本詳解　194 8．4．2　SteamVR_LaserPointer腳本詳解　196 8．4．3　SteamVR_TestTrackedCamera腳本詳解　198 8．4．4　SteamVR_TrackedController腳本詳解　199 8．5　本章小結　201 8．6　習題　201 第9章　VR與AR創新風口　203 9．1　虛擬實境技術　203 9．2　增強現實技術　206 9．3　混合現實技術　209 9．4　本章小

結　211 9．5　習題　211 第10章　GEAR VR遊戲—Breaker　213 10．1　背景以及功能概述　213 10．1．1　遊戲背景概述　213 10．1．2　遊戲功能簡介　213 10．2　遊戲的策劃及準備工作　215 10．2．1　遊戲的策劃　215 10．2．2　使用Unity開發遊戲前的準備工作　216 10．3　遊戲的架構　218 10．3．1　各個場景的簡要介紹　218 10．3．2　遊戲架構簡介　219 10．4　Gear VR開發環境的搭建　219 10．5　遊戲功能表場景的開發　220 10．5．1　場景的搭建及相關設置　221 10．5．2　各物件的腳本開發

及相關設置　223 10．6　關卡場景的開發　228 10．6．1　場景的搭建　228 10．6．2　攝像機設置及腳本開發　230 10．6．3　小球的腳本開發　234 10．6．4　外掛程式的使用　237 10．6．5　場景機關的開發　240 10．6．6　提示面板的開發　243 10．7　遊戲的優化與改進　245 第11章　科普類AR&VR應用—星空探索　247 11．1　項目背景以及功能概述　247 11．1．1　專案開發背景概述　247 11．1．2　軟體功能簡介　248 11．2　軟體的策劃及準備工作　250 11．2．1　軟體的策劃　250 11．2．2　資源的準備工作　251

11．3　軟體的架構　252 11．3．1　功能結構介紹　252 11．3．2　各個腳本簡要介紹　253 11．4　天文學基礎以及相關計算公式　255 11．4．1　重要天文坐標系　255 11．4．2　行星、月球、深空天體簡介　257 11．4．3　行星運行軌跡計算　258 11．4．4　月球運行軌跡計算　261 11．4．5　儒略日計算　264 11．5　觀察星空模組的開發　265 11．5．1　資料的存儲與讀取技術的開發　265 11．5．2　星座以及深空天體相關內容的繪製　269 11．5．3　八大行星以及月球的繪製　272 11．5．4　深空天體介紹場景的開發　276 11．5．5　

天體及連線著色器的開發　278 11．6　太陽系普通模式的開發　279 11．6．1　太陽系場景的搭建　279 11．6．2　行星及衛星腳本開發　280 11．6．3　太陽特效及小行星帶的開發　281 11．7　太陽系增強現實（AR）模式的開發　283 11．7．1　AR開發前期準備　284 11．7．2　場景搭建過程　285 11．7．3　攝像機自動對焦腳本的開發　287 11．8　太陽系虛擬實境（VR）模式的開發　288 11．8．1　CardBoard SDK使用　288 11．8．2　構建應用並部署到Android設備　289 11．8．3　將太陽系場景開發成VR模式　289 11．9

　藍牙搖杆使用及其他設置功能的實現　290 11．9．1　藍牙搖杆控制腳本開發　290 11．9．2　VR開關、搖杆靈敏度、音效及時間縮放因數的開發　291 11．9．3　主功能表腳本的開發　291 11．9．4　陀螺儀腳本開發　294 11．10　本章小結　295 參考文獻　296

HTC VIVE 104進入發燒排行的影片

運用深度學習方法最佳化沉浸式影片編碼設定

為了解決HTC VIVE 104的問題，作者洪澤厚 這樣論述：

沉浸式視頻流技術通過為用戶提供更直觀的方式在模擬世界中移動，例如使用六自由度 (6DoF)互動模式，改善了虛擬現實 (VR) 用戶體驗。實現 6DoF 的一種簡單方法是根據用戶的移動在許多不同的位置和方向部署攝像頭，不幸的是，這既昂貴又繁瑣且效率低下。實現 6DoF 交互的更好解決方案是從有限數量的源視圖中即時合成目標視圖。雖然最近的沉浸式視頻測試模型 (TMIV) 編解碼器支持這種視圖合成，但 TMIV 需要手動選擇編碼配置，無法在視頻品質、解碼時間和頻寬消耗之間進行權衡。在本文中，我們研究了 TMIV 的局限性，並通過在巨大的搜尋空間中尋找最優配置來解決其配置優化問題。我們首先確定 TM

IV 配置中的關鍵參數。然後，我們從兩個不同的方面介紹了兩種基於神經網絡的算法針對兩種問題：(i) 卷積神經網絡 (CNN) 算法解決回歸問題和 (ii) 深度強化學習 (DRL) 算法解決決策問題。我們進行了客觀和主觀實驗，以在兩個不同的數據集上評估 CNN 和 DRL 算法：透視和等距柱狀投影數據集。客觀評估表明，這兩種算法都顯著優於默認配置。對於透視（等距柱狀）投影數據集，所提出的算法平均只需要23\%（95\%）個解碼時間，傳送23\%（79\%）的視圖，並且將效用提高73\%（6\%）。主觀評估證實，與默認和最佳 TMIV 配置相比，所提出的算法消耗更少的資源，同時實現可比的體驗質量

(QoE)。