如何减小ARKit中扫描生成的ARReferenceObject文件体积？

针对你需要存储200+个ARReferenceObject的场景，以下是几个实用的体积优化方案：

• 优化扫描流程，减少冗余数据
  扫描时聚焦物体核心特征：只覆盖物体的关键视角（比如立方体的6个面，避免重复扫描同一区域），不要包含周围无关环境；尽量在均匀、稳定的光照下扫描，减少因光照变化产生的冗余特征点；使用系统扫描工具时，当提示"已完成足够扫描"就停止，不要过度扫描。

• 手动编辑ARReferenceObject bundle
  ARReferenceObject本质是一个包含.plist配置文件和点云/特征数据的bundle包。你可以右键显示包内容，删除低质量或重复的扫描帧数据；过滤点云中的低置信度点（注意保留物体的核心特征点，避免影响检测精度）；精简.plist中不必要的元数据字段。

• 自定义扫描时调整参数
  如果是自研扫描逻辑而非使用系统工具：

  • 降低点云采样密度，仅在物体特征丰富区域保留高密度采样，平滑区域适当降低；
  • 提高特征点检测阈值，过滤低置信度的特征点，减少无效数据存储；
  • 限制扫描的视角范围，只采集能覆盖物体识别所需的角度。

• 合并相似物体的检测模型
  对于外观特征高度相似的物体，无需每个都单独生成ARReferenceObject。可以训练一个Core ML分类模型，结合ARKit的物体检测功能，先识别物体类别再匹配对应的参考模型，或者直接用通用模型覆盖一类物体，大幅减少文件数量。

• 压缩bundle内的资源文件
  打开ARReferenceObject包后，将其中未压缩的图像资源转成JPEG等压缩格式（控制压缩质量在不丢失特征的范围内）；对二进制点云文件可以尝试无损压缩工具，在不影响数据准确性的前提下减小体积。

内容的提问来源于stack exchange，提问作者elk_cloner