0x00 前言
Unity的AR Foundation通過上層抽象，對ARKit和ARCore這些底層接口進行了封裝，從而實現了AR項目的跨平台開發能力。
而蘋果的CoreML是一個可以用來將機器學習模型與iOS平台上的app進行集成的框架。
本文以及本文結尾處的demo工程，將介紹和演示如何使Unity的AR Foundation與蘋果的CoreML一同工作，以實現使用我們的手來和虛擬物體進行交互的功能。
Unity AR Foundation手部檢測
本文參考了Gil Nakache的文章，並且所使用的機器學習模型也來自他的文章。在他的那篇文章中，他描述了如何使用Swift在iOS原生平台上實現類似的功能。
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 實現
導入 AR Foundation Plugin
為了方便，我使用了本地pacakge導入的形式。這種實現方式十分簡單，只需要修改工程目錄下Package文件夾內的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
導入AR Foundation Package之后，我們就可以在場景中創建一些相關的組件了，比如AR Session、AR Session Origin等等。
之后在我們的腳本中，監聽frameReceived事件來獲取每一幀的數據。
if (m_CameraManager != null)
{
m_CameraManager.frameReceived += OnCameraFrameReceived;
}使用Swift語言創建一個Unity插件
為了使C#語言可以和Swift語言進行交互，我們需要先創建一個Objective-C文件作為橋接。這種方式就是，C#通過[DllImport("__Internal")]來調用一個Objective-C的方法。之后，Objective-C再通過@objc來調用Swift。引入UnityInterface.h之后，Swift可以調用UnitySendMessage方法來向C#傳送數據。
這里有一個示例工程，演示了如何為Unity創建一個使用Swift的原生插件，並且在Unity中打印出“Hello, I’m Swift”。
本文所使用的Unity-ARFoundation-HandDetection工程，它的plugins文件夾的目錄結構如下：
但是，需要注意的是，Unity直接導出的Xcode工程是沒有指定Swift版本的。
因此，我們需要手動指定一個版本，或者創建一個Unity的腳本來自動設置Swift的版本。
導入 mlmodel
將HandModel添加到我們的Xcode工程中，之后它會自動生成一個Objective-C model類。但是我希望得到一個Swift的類，因此我們可以在Build Settings/CoreML Model Compiler - Code Generation Language這里將選項從Auto修改為Swift。
之后，我們會獲得一個叫做HandModel的自動生成的Swift類。
當然，如果你不想總是手動添加，同樣也可以選擇在Unity中創建一個build post processing腳本來自動添加機器學習模型。
如何從AR Foundation中獲取ARFrame Ptr
完成了以上步驟之后，基本的交互框架就已經成型了。接下來，我們就需要使用CoreML來實現手部的檢測和追蹤的具體功能了。
@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，我們需要一個CVPixelBuffer來創建VNImageRequestHandler以執行手部檢測。通常我們需要從ARFrame中來獲取它。
CVPixelBufferRef buffer = frame.capturedImage;因此，下一個問題就是如何從Unity的AR Foundation的C#腳本中獲取來自ARKit的ARFrame指針，並且將其傳遞給使用Objective-C和Swift語言的Hand Detection插件。
在AR Foundation中，我們可以從XRCameraFrame中獲取nativePtr，它指向一個ARKit的結構，如下所示：
typedef struct UnityXRNativeFrame_1 { int version; void* framePtr; } UnityXRNativeFrame_1; 並且這個framePtr指向了最新的ARFrame。
具體來說，我們可以調用定義在XRCameraSubsystem的TryGetLatestFrame方法來獲取一個XRCameraFrame實例。
cameraManager.subsystem.TryGetLatestFrame(cameraParams, out frame)之后將nativePtr從C#傳遞給Objective-C。
m_HandDetector.StartDetect(frame.nativePtr);在Objective-C這邊，我們會獲得一個UnityXRNativeFrame_1指針並且我們能從其中獲取ARFrame指針。
UnityXRNativeFrame_1* unityXRFrame = (UnityXRNativeFrame_1*) ptr;
ARFrame* frame = (__bridge ARFrame*)unityXRFrame->framePtr;
CVPixelBufferRef buffer = frame.capturedImage一旦獲取了ARFrame，接下來就來到了iOS開發的領域。創建一個VNImageRequestHandler對象並且開始執行手部檢測。一旦檢測完成，detectionCompleteHandler回調會被調用並且會通過UnitySendMessage將檢測的結果傳遞給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)") } } 之后我們會獲取在viewport空間的position數據。viewport空間是相對於相機標准化的。 viewport的左下角是（0,0）; 右上角是（1,1）。
一旦我們獲取了viewport空間的位置，就可以通過Unity的ViewportToWorldPoint方法將它從viewport空間轉換到world空間。傳遞給該方法的向量參數中的x、y來自Hand Detection的結果，z值則是距離相機的距離。
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); 我們可以在Unity中使用這個世界坐標來創建新的Object，或者是將已有的Object移動到這個世界坐標。換句話說，這個Object的位置會根據手的位置而改變。
Post Process Build
正如上文說過的，我們可以在Unity中寫一個C#腳本來自動設置生成的Xcode工程中的一些屬性。例如，我們可以設置Xcode工程中Build Setting中的Swift Version屬性。我們甚至還可以將機器學習模型添加到Build Phases中，比如添加到Compile Sources Phase。這里我們會使用定義在UnityEditor.iOS.Xcode命名空間中的PBXProject類。PBXProject類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 結論
使用Unity中的AR Foundation和CoreML，我們可以讓Unity Chan站在我們的手指上。
本文簡單描述了集成CoreML和AR Foundation的過程。我相信大家可以使用它們作出更有趣的內容。
這里是文中所使用的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/