iOS基于CoreML获取检测目标2D中心点坐标及3D坐标转换问询

我明白你现在的处境——已经用Custom Vision训练好CoreML模型，导入Xcode用Vision框架跑起来能识别目标、拿到概率，但卡在了获取检测目标的2D中心点坐标上。别担心，这其实是Vision框架里的一个常见细节问题，我来一步步帮你解决：

核心原理：Vision检测结果的坐标处理 #

Vision框架返回的VNDetectedObjectObservation对象里，包含了检测目标的boundingBox属性，但这个属性是归一化的CGRect（坐标值在0-1之间），而且它的坐标系是以图像的左下角为原点的，和UIKit常用的左上角原点坐标系不一样，所以需要做两步转换：归一化转实际尺寸、坐标系原点转换。

具体实现步骤&代码示例 #

在你的Vision请求完成回调里，添加以下逻辑来计算中心点：

func processDetectionResults(request: VNRequest, error: Error?) {
    // 确保结果是目标检测类型
    guard let detections = request.results as? [VNDetectedObjectObservation] else {
        print("未检测到目标")
        return
    }
    
    for detection in detections {
        // 1. 获取归一化的边界框
        let normalizedBox = detection.boundingBox
        
        // 2. 替换成你的实际图像/视图尺寸（比如ARView的size、UIImageView的bounds.size）
        let targetSize = CGSize(width: UIScreen.main.bounds.width, height: UIScreen.main.bounds.height)
        
        // 3. 转换坐标系：Vision（左下原点）→ UIKit（左上原点）
        let adjustedY = targetSize.height - normalizedBox.origin.y - normalizedBox.size.height
        let actualBoundingBox = CGRect(
            x: normalizedBox.origin.x * targetSize.width,
            y: adjustedY,
            width: normalizedBox.size.width * targetSize.width,
            height: normalizedBox.size.height * targetSize.height
        )
        
        // 4. 计算中心点坐标
        let centerPoint = CGPoint(
            x: actualBoundingBox.midX,
            y: actualBoundingBox.midY
        )
        
        // 到这里你就拿到了目标的2D中心点坐标！
        print("目标中心点：\(centerPoint)")
        
        // 5. 用这个坐标做Raycast获取3D坐标（比如ARKit场景）
        if let arView = self.view as? ARView {
            let raycastQuery = arView.raycastQuery(from: centerPoint, allowing: .estimatedPlane, alignment: .horizontal)
            if let result = arView.session.raycast(raycastQuery).first {
                let worldPosition = result.worldTransform.columns.3
                print("目标对应的3D坐标：\(worldPosition)")
            }
        }
    }
}

关键注意事项 #

• 尺寸匹配：targetSize必须是你用来做检测的图像/视图的实际尺寸，如果是ARKit的ARView，直接用arView.bounds.size就可以；如果是UIImageView，要用imageView.image?.size或者imageView.bounds.size（根据你是否缩放图像）。
• 坐标系转换：这一步很容易踩坑！如果跳过Y轴的调整，你拿到的Y坐标会是反向的，导致中心点位置错误。
• Raycast适配：如果是在ARKit中，直接用屏幕坐标的centerPoint调用raycastQuery就能生成对应的3D射线，进而得到空间中的3D坐标。

内容的提问来源于stack exchange，提问作者Venkatesh