Unity AR二维码扫描：Vuforia图像捕捉与ZXing.Net后台解码实战

1. 项目概述：为什么选择Vuforia+ZXing这个组合？

最近在做一个需要集成二维码识别功能的AR项目，后台有朋友问，市面上那么多扫码库，为什么偏偏选了Vuforia和ZXing这两个看起来“八竿子打不着”的东西组合在一起？这其实是一个典型的“术业有专攻”的案例。简单来说，Vuforia负责“看世界”和“渲染AR”，而ZXing则专注于“解码图像里的二维码”。把它们俩捏合在一起，就能在增强现实的视野里，实现一个既稳定又高效的二维码扫描器。

Vuforia是业界老牌的AR开发引擎，它的图像识别和跟踪能力非常强悍，能稳定地识别出摄像头画面中的图像目标（Image Target），并提供一个精确的3D位姿（位置和旋转）。但是，Vuforia原生并不直接提供二维码的内容解析功能。它只能告诉你：“嘿，我找到了一个可能是二维码的图案，它的四个角在屏幕上的坐标是(x1,y1), (x2,y2)...”。至于这个二维码里藏着的是网址、文本还是一串加密信息，它就不管了。这时候，ZXing（Zebra Crossing）就该上场了。它是一个用Java写的、功能极其强大的开源条形码/二维码图像处理库，支持几乎所有你能想到的码制。它的核心能力就是从一张图片里，把二维码的黑白模块解析成字符串。

所以，这个项目的核心思路就清晰了：利用Vuforia的摄像头捕捉和图像识别能力，实时定位画面中的二维码区域；然后，从这个区域截取一张高质量的图片，扔给ZXing去解码；最后，把解码得到的文字信息，再通过Vuforia的AR渲染能力，以3D文字或者模型的形式，“贴”在二维码所在的真实位置上。这个流程听起来简单，但实操中有不少坑要踩，比如性能优化、图像预处理、跨线程调用等等。接下来，我就把这个从零搭建的完整过程，包括源码里每一个关键决策背后的思考，都拆开揉碎了讲给你听。

2. 环境准备与项目架构设计

2.1 开发环境与工具链选型

这个项目我选择在Unity环境下进行开发，原因很简单：Vuforia对Unity的支持是最成熟、文档最全的。Unity版本我使用的是2021.3 LTS（长期支持版），这是一个经过充分验证的稳定版本，能避免很多新版本可能带来的兼容性问题。Vuforia Engine SDK直接从官网下载最新版本（目前是10.16），导入Unity即可。这里有个关键点：在Vuforia官网创建许可证密钥（License Key）时，开发阶段可以先用免费版，它支持同时识别最多5个目标，对于我们的二维码扫描器原型开发完全够用。

ZXing库的引入稍微麻烦一点。因为它是一个Java库，而Unity主要使用C#。我们有几种选择：一是使用ZXing的C#移植版本，比如ZXing.Net；二是通过Unity的Android/iOS插件机制，调用原生的ZXing库。为了追求最佳的解码性能和跨平台一致性（尤其是考虑到后续可能要在移动端部署），我选择了使用ZXing.Net这个纯C#的实现。它可以通过Unity的Package Manager，以UPM包的形式直接添加，非常方便。在Unity编辑器中，打开Window -> Package Manager，点击左上角的“+”号，选择“Add package from git URL...”，然后输入https://github.com/micjahn/ZXing.Net.git#unity即可。这种方式能确保我们在Editor里测试和在真机上运行，使用的是同一套解码逻辑。

项目的基本目录结构我设计如下：

QRCodeARScanner/ ├── Assets/ │ ├── Plugins/ # 存放ZXing.Net等第三方DLL（如果不用UPM包） │ ├── Resources/ # 存放Vuforia数据库等资源 │ ├── Scripts/ │ │ ├── Core/ # 核心管理器，如QRCodeScannerManager │ │ ├── AR/ # Vuforia相关脚本，如ImageTargetEventHandler │ │ ├── Utility/ # 工具类，如图像处理工具 │ │ └── UI/ # 用户界面相关脚本 │ ├── Scenes/ # 场景文件 │ └── Vuforia/ # Vuforia SDK（自动生成） └── ProjectSettings/

这样的结构清晰地将AR逻辑、解码逻辑和业务逻辑分离，便于后期维护和扩展。

2.2 核心模块交互设计

整个应用的运行逻辑是一个典型的“生产者-消费者”模型，核心在于两个线程的协作：主线程（Unity渲染线程）和后台解码线程。

1. 图像采集与定位（生产者 - 主线程）：Vuforia在每帧更新时，会通过CameraDevice提供当前的摄像头图像。同时，如果配置了ImageTarget，当二维码进入摄像头视野并被识别时，Vuforia会回调我们的事件，并给出这个ImageTarget在屏幕空间中的边界矩形信息。
2. 图像预处理与提交（主线程）：拿到二维码的屏幕区域后，我们不能直接把整个屏幕截图丢给ZXing。那样效率太低，且背景噪声会严重干扰解码。我们需要根据这个矩形区域，从当前帧的图像数据中，精确地裁剪出只包含二维码的那一小块图像。这个过程涉及坐标转换和纹理读取。
3. 二维码解码（消费者 - 后台线程）：将裁剪好的图像数据（通常是byte[]数组或Color32[]）放入一个队列中。一个独立的后台线程（可以使用System.Threading.Thread或Task）持续从这个队列中取出图像，调用ZXing库的BarcodeReader进行解码。这里必须使用后台线程，因为解码是一个计算密集型操作，如果放在主线程做，会导致AR画面严重卡顿，用户体验极差。
4. 结果回调与AR渲染（主线程）：后台线程解码成功后，不能直接操作Unity的GameObject（这是线程不安全的）。我们需要将解码结果（字符串、二维码格式等）通过UnityEngine.Dispatcher（或更简单的，在Update中检查标志位）传递回主线程。在主线程中，我们可以将解码得到的文字，实例化一个3D TextMeshPro组件，并将其位置和旋转设置为与Vuforia提供的ImageTarget的位姿同步，从而实现“文字浮在二维码上”的AR效果。

这个架构的关键是线程安全和性能平衡。图像裁剪要快，避免主线程阻塞；解码队列要有容量限制，防止内存暴涨；前后台通信要高效且安全。下面，我们就进入具体的实现环节。

3. 核心实现细节拆解

3.1 Vuforia图像目标的设置与捕捉

首先，在Unity场景中设置Vuforia。将ARCamera预制体拖入场景，并配置好之前申请的License Key。然后，我们需要创建一个“泛用”的图像目标。因为我们的目标是动态识别任意二维码，而不是某个特定的、预先录入数据库的图片。

1. 创建ImageTarget：在Vuforia的GameObject菜单下，创建Vuforia Engine -> Image。在它的Image Target Behaviour组件上，将Type从Predefined（预定义）改为User Defined（用户定义）。
2. 动态传递纹理：User Defined类型允许我们在运行时动态设置目标纹理。我们需要写一个脚本，在Vuforia识别到可能是二维码的区域时（这个初始识别可以由Vuforia自带的“小方块”检测或更简单的颜色轮廓检测来粗略完成），将该区域的图像作为纹理，设置给这个ImageTarget。但在这个项目中，我们采用了更直接的方法：我们实际上并不依赖Vuforia来“识别”二维码图案。相反，我们利用Vuforia的另一个强大功能：CameraImageAccess。
3. 直接访问摄像头图像：通过Vuforia.CameraDevice.Instance.SetCameraConfiguration()确保获取最高可用分辨率的图像。然后，在每帧的Update方法中（或更好的，在注册的ITrackableEventHandler回调中），我们可以调用CameraDevice.Instance.GetCameraImage(mPixelFormat)来获取当前帧的Image对象。这个对象包含了图像的像素数据、宽度、高度和格式（通常是RGB888或RGBA8888）。
4. 获取图像数据：从Image对象中，我们可以通过Pixels属性拿到原始的颜色数组Color32[]。这一步获取的是整帧的图像数据，是我们后续进行区域裁剪的原材料。

注意：频繁调用GetCameraImage和访问Pixels是有性能开销的。在实际项目中，我们不需要每帧都处理。可以设置一个时间间隔（例如每秒处理10-15帧），或者仅在设备移动速度较慢时进行处理，以平衡性能和实时性。

3.2 二维码区域定位与图像裁剪

拿到了整帧图像，下一步就是找到二维码并把它“抠出来”。这里我们分两步走：粗定位和精裁剪。

粗定位（可选的优化步骤）：为了缩小解码范围，提升效率，我们可以先使用一个轻量级的检测算法来大致框出二维码可能存在的区域。OpenCV中有专门的QR码检测器（QRCodeDetector），但在纯C#环境下集成稍显笨重。一个更简单实用的方法是利用ZXing.Net自带的BarcodeReader的Options属性。我们可以设置TryHarder为false，PossibleFormats为BarcodeFormat.QR_CODE，然后先对一张缩放后的低分辨率全图进行尝试性解码。ZXing在解码失败时，有时会返回一个ResultPoints数组，这里面就包含了它尝试解码时定位到的二维码角点信息。我们可以利用这些点来反推二维码在原图中的大致区域。如果这一步成功了，就能极大地减少需要精细裁剪和处理的像素数量。

精裁剪：无论粗定位是否成功，我们最终都需要一个高精度的二维码区域图像供解码。假设我们已经通过某种方式（比如上述ZXing的尝试性解码，或者一个简单的UI框选）获得了二维码四个角点在屏幕坐标系下的坐标：(x1, y1),(x2, y2),(x3, y3),(x4, y4)。

这里有一个关键陷阱：Vuforia的Image对象提供的像素数据，其坐标系原点通常在左上角，而Unity中屏幕坐标的原点在左下角。在进行坐标转换时，必须对Y轴进行y_image = imageHeight - y_screen的翻转计算，否则裁剪出来的区域会是上下颠倒的。

裁剪函数的核心代码如下（示例）：

public static Color32[] CropImage(Color32[] originalPixels, int imgWidth, int imgHeight, Vector2Int[] screenCorners) { // 1. 将屏幕坐标转换为图像像素坐标（翻转Y轴） Vector2Int[] pixelCorners = ConvertScreenToPixel(screenCorners, imgHeight); // 2. 计算裁剪区域的包围盒 int minX = Mathf.Min(pixelCorners[0].x, pixelCorners[1].x, pixelCorners[2].x, pixelCorners[3].x); int maxX = Mathf.Max(pixelCorners[0].x, pixelCorners[1].x, pixelCorners[2].x, pixelCorners[3].x); int minY = Mathf.Min(pixelCorners[0].y, pixelCorners[1].y, pixelCorners[2].y, pixelCorners[3].y); int maxY = Mathf.Max(pixelCorners[0].y, pixelCorners[1].y, pixelCorners[2].y, pixelCorners[3].y); // 确保不越界 minX = Mathf.Clamp(minX, 0, imgWidth - 1); maxX = Mathf.Clamp(maxX, 0, imgWidth - 1); minY = Mathf.Clamp(minY, 0, imgHeight - 1); maxY = Mathf.Clamp(maxY, 0, imgHeight - 1); int cropWidth = maxX - minX + 1; int cropHeight = maxY - minY + 1; Color32[] croppedPixels = new Color32[cropWidth * cropHeight]; // 3. 执行裁剪（这里是最耗时的逐像素拷贝，对于大图需要考虑优化） for (int y = 0; y < cropHeight; y++) { int srcY = minY + y; int srcRowStart = srcY * imgWidth + minX; int dstRowStart = y * cropWidth; System.Array.Copy(originalPixels, srcRowStart, croppedPixels, dstRowStart, cropWidth); } return croppedPixels; }

实操心得：上述逐行拷贝在大多数手机上对一张小裁剪图（比如300x300）是可以接受的。但如果裁剪区域很大，或者需要每帧处理，这里就会成为性能瓶颈。一个高级优化是使用UnityEngine.Profiler来检测，或者考虑使用Job System和Burst Compiler进行并行化处理。对于原型和大多数应用，先保证功能正确，再针对性能瓶颈优化，是更稳妥的策略。

3.3 ZXing解码器的配置与后台线程调用

图像裁剪好后，就该ZXing登场了。首先，我们需要配置一个高效的BarcodeReader实例。

using ZXing; using ZXing.Common; public class ZXingDecoder { private BarcodeReaderGeneric _reader; private System.Threading.Thread _decodeThread; private System.Collections.Concurrent.BlockingCollection<DecodeTask> _taskQueue; private bool _isRunning = false; public ZXingDecoder() { // 1. 创建并配置Reader _reader = new BarcodeReaderGeneric(); _reader.Options = new DecodingOptions { PossibleFormats = new List<BarcodeFormat> { BarcodeFormat.QR_CODE }, // 只解QR码 TryHarder = true, // 尽力尝试解码，提高成功率 PureBarcode = false, // 我们的图像不是纯二维码，可能有背景 CharacterSet = "UTF-8" // 设置字符集 }; // 可以尝试不同的Binarizer（二值化器），针对不同光照条件 _reader.AutoRotate = true; // 尝试自动旋转图像 _reader.TryInverted = true; // 尝试反转色（黑底白字） // 2. 创建任务队列和后台线程 _taskQueue = new System.Collections.Concurrent.BlockingCollection<DecodeTask>(new System.Collections.Concurrent.ConcurrentQueue<DecodeTask>(), 5); // 设置队列容量，防止积压 _decodeThread = new System.Threading.Thread(DecodeWorker); _decodeThread.IsBackground = true; // 设置为后台线程，主线程退出时自动终止 _isRunning = true; _decodeThread.Start(); } public void EnqueueTask(Color32[] pixels, int width, int height) { if (_taskQueue.Count < 5) // 简单的队列满判断 { _taskQueue.Add(new DecodeTask { Pixels = pixels, Width = width, Height = height }); } else { // 队列已满，丢弃最旧的任务或当前任务，避免内存泄漏 // Debug.LogWarning("解码队列已满，丢弃任务"); } } private void DecodeWorker() { while (_isRunning) { try { // 从队列中取出任务，如果队列为空则会阻塞等待 DecodeTask task = _taskQueue.Take(); // 将Color32[]转换为ZXing可识别的LuminanceSource var luminanceSource = new Color32LuminanceSource(task.Pixels, task.Width, task.Height); var binarizer = new HybridBinarizer(luminanceSource); var binaryBitmap = new BinaryBitmap(binarizer); // 执行解码 Result result = _reader.Decode(binaryBitmap); if (result != null) { // 解码成功！通过事件或主线程委托将结果传回 OnDecodeSuccess?.Invoke(result.Text); } else { // 解码失败 OnDecodeFailed?.Invoke(); } } catch (System.Exception e) { // 线程内异常处理，至少记录日志 Debug.LogError($"解码线程异常: {e.Message}"); } } } public void Dispose() { _isRunning = false; _taskQueue?.CompleteAdding(); // 停止添加新任务 _decodeThread?.Join(500); // 等待线程结束，最多500ms _taskQueue?.Dispose(); } }

这个ZXingDecoder类封装了后台解码的核心逻辑。关键点在于：

• BlockingCollection作为任务队列：这是一个线程安全的集合，当队列为空时，Take()方法会阻塞线程，避免CPU空转，非常节能。
• Color32LuminanceSource：这是ZXing.Net提供的一个辅助类，用于将Unity的Color32[]数组转换为ZXing内部处理所需的亮度数据源。你也可以自己实现LuminanceSource接口来优化转换过程。
• 事件回调：OnDecodeSuccess和OnDecodeFailed是定义的事件，用于将解码结果从后台线程安全地通知到主线程的监听者。

3.4 AR结果渲染与交互反馈

解码成功后，我们需要在AR世界中给予用户视觉反馈。最直观的方式就是在二维码的位置上，渲染出解码得到的文字。

1. 获取二维码的3D位姿：这是Vuforia的强项。当我们的ImageTarget被成功识别和跟踪时，它的Transform组件的位置和旋转，就代表了二维码在真实世界中的位置和朝向。我们可以直接使用这个Transform。
2. 创建3D文本：在Unity中，使用TextMeshPro来创建高质量的3D文本。在ImageTarget下创建一个子物体，挂上TextMeshPro组件。在解码成功的回调函数中，将TextMeshPro.text设置为解码的字符串。
3. 位姿同步与稳定：直接将文本作为ImageTarget的子物体是最简单的，它会自动跟随。但有时为了更好的视觉效果（比如文字始终面向摄像机），我们需要写一个简单的脚本，让文本的旋转只继承父物体的Y轴旋转（使其直立），但自身始终面向摄像机（Billboard）。这可以通过Transform.LookAt配合摄像机位置来实现。
4. 交互与状态管理：我们需要管理扫描状态。例如，当第一次成功解码后，可以停止对该二维码区域的持续扫描，避免重复解码。可以显示一个“已扫描”的图标，或者让二维码边框变色。同时，要处理二维码移出视野后，AR内容的隐藏或销毁。

public class ARResultDisplay : MonoBehaviour { public TextMeshPro resultText; public ImageTargetBehaviour imageTarget; private void OnEnable() { // 订阅解码成功事件 QRCodeScannerManager.Instance.OnQRCodeDecoded += HandleQRCodeDecoded; } private void OnDisable() { QRCodeScannerManager.Instance.OnQRCodeDecoded -= HandleQRCodeDecoded; } private void HandleQRCodeDecoded(string decodedText) { // 确保在主线程执行 if (!imageTarget.CurrentStatus.Equals(TrackableBehaviour.Status.TRACKED)) return; // 如果目标已丢失，不显示 resultText.text = decodedText; resultText.gameObject.SetActive(true); // 可选：触发一个简单的动画或音效 // StartCoroutine(PopUpAnimation()); } void Update() { // 如果父目标丢失跟踪，隐藏文本 if (imageTarget != null && imageTarget.CurrentStatus != TrackableBehaviour.Status.TRACKED) { resultText.gameObject.SetActive(false); } else { // 让文本始终面向摄像机（Billboard效果），但保持直立 if (Camera.main != null) { Vector3 lookDir = Camera.main.transform.position - resultText.transform.position; lookDir.y = 0; // 只考虑水平方向旋转 if (lookDir != Vector3.zero) { resultText.transform.rotation = Quaternion.LookRotation(lookDir); } } } } }

4. 性能优化与实战避坑指南

把功能跑通只是第一步，要让这个扫描器达到“可用”甚至“好用”的程度，性能优化和细节处理至关重要。下面是我在项目中踩过坑后总结出的几个核心要点。

4.1 图像处理流水线优化

原始的“全帧抓取 -> 裁剪 -> 解码”流程在低端设备上很容易造成卡顿。我们需要建立一个高效的流水线。

• 降低处理分辨率：Vuforia允许我们设置摄像头分辨率。对于二维码扫描，640x480的分辨率已经绰绰有余，更高的分辨率只会增加不必要的像素处理负担。在VuforiaBehaviour组件中，可以设置CameraDeviceMode为MODE_OPTIMIZE_SPEED。
• 跳帧处理：不需要每帧都尝试解码。可以设置一个计时器，例如每3帧（或根据时间间隔，如每秒10次）处理一次图像。在Update中用一个计数器简单实现即可。
• 智能区域检测：与其每帧都对全图进行ZXing尝试性解码，不如加入一个简单的“运动检测”或“兴趣区域(ROI)历史”。如果上一帧在某个区域成功解码，那么接下来几帧可以优先检查该区域及其周围，利用二维码的空间连续性。
• 缓存与重用：频繁创建Color32[]和DecodeTask对象会引发GC（垃圾回收），导致卡顿。可以使用对象池来缓存这些临时对象。例如，预分配几个固定大小的Color32[]数组用于图像裁剪，解码任务结构体也进行复用。

4.2 解码成功率提升技巧

在复杂光照、畸变、部分遮挡情况下，解码容易失败。以下配置和技巧能显著提升ZXing的解码鲁棒性：

1. 二值化器（Binarizer）选择：ZXing默认使用HybridBinarizer，它在大多数情况下表现良好。但在高对比度或光照不均的场景下，可以尝试GlobalHistogramBinarizer。可以在运行时根据解码失败次数动态切换。

   if (failCount > 3) { _reader.Options.Hints[DecodeHintType.TRY_HARDER] = true; // 甚至可以尝试更换Binarizer // luminanceSource = new Color32LuminanceSource(pixels, w, h); // var binarizer = new GlobalHistogramBinarizer(luminanceSource); }

2. 图像预处理：在将图像交给ZXing前，可以先在CPU上（或使用Compute Shader）进行一些简单的预处理：
   • 灰度化与对比度拉伸：增强黑白对比。
   • 高斯模糊：轻微的模糊可以去除噪声，但过度模糊会损失细节，需要微调。
   • 透视校正：如果检测到二维码的四个角点，可以使用透视变换将倾斜的二维码图像“拉正”，这能极大提高倾斜角度下的解码率。OpenCV的getPerspectiveTransform和warpPerspective函数是干这个的，在C#中可以考虑集成OpenCVForUnity插件，或者自己实现一个简单的双线性插值变换。
3. 多结果验证：对于同一帧图像，可以尝试不同的解码参数（如尝试反转色、尝试旋转90/180/270度）。ZXing的TryInverted和AutoRotate选项已经帮我们做了一部分。我们还可以将裁剪区域稍微放大一点再解码，有时边缘信息很重要。

4.3 多线程与Unity线程安全陷阱

这是本项目最容易出错的地方。

• 禁止在子线程操作Unity对象：任何继承自UnityEngine.Object的类（GameObject,Transform,Texture2D,Color32等）都不能在非主线程访问或修改。我们的Color32[]虽然是一个数组，但其元素Color32是结构体，所以传递数组本身是安全的。但如果你想将解码结果直接赋值给一个TextMeshPro.text，必须在主线程进行。
• 使用Dispatcher或主线程委托：Unity本身没有内置的Dispatcher。最常用的模式是在主线程的Update方法中检查一个由后台线程设置的标志位或队列。

  // 在主线程的MonoBehaviour中 void Update() { string result; while (_resultQueue.TryDequeue(out result)) // _resultQueue是ConcurrentQueue<string> { // 在这里安全地更新UI或实例化GameObject DisplayResultOnScreen(result); } }

• 妥善处理线程退出：在应用退出或场景切换时，务必安全地停止解码线程。上面ZXingDecoder类中的Dispose()方法展示了标准做法：设置停止标志、通知队列完成添加、等待线程结束。避免线程成为“僵尸线程”。

4.4 内存与资源管理

• 及时释放大数组：裁剪后的图像数组Color32[]可能不小（300x300的RGB图就有270KB）。解码完成后，应及时将其引用置空，以便GC回收。如果使用对象池，记得在将对象还回池子前清除数据引用。
• Vuforia资源清理：在场景销毁或不需要AR摄像头时，调用VuforiaBehaviour.Instance.Deinit()来正确释放摄像头资源。
• 纹理泄漏检查：如果你在运行时动态创建了Texture2D来显示裁剪的二维码（用于调试），记得用Destroy(texture)来销毁，而不是仅仅置空引用。

5. 完整项目源码结构与使用说明

我将这个项目的核心源码打包成了一个清晰的结构，你可以在文末的链接中找到。这里简要说明一下关键脚本的职责和如何使用。

核心脚本清单：

1. QRCodeScannerManager.cs：单例管理器，总控整个扫描流程。负责初始化Vuforia、启动解码线程、协调图像捕捉与结果回调。
2. VuforiaImageCapture.cs：负责从Vuforia获取摄像头图像。实现了按帧率限制的图像抓取逻辑，并提供了OnNewImageAvailable事件。
3. QRCodeDetector.cs：负责图像裁剪和区域管理。它订阅图像捕获事件，执行裁剪，并将裁剪后的图像数据提交给解码队列。这里也包含了简单的“兴趣区域”跟踪逻辑。
4. ZXingDecoder.cs：如前所述，封装了后台解码线程和ZXing库的调用。
5. ARResultDisplay.cs：负责将解码结果以3D文本的形式渲染在对应的ImageTarget上。
6. DebugUIController.cs：一个简单的UI控制器，用于显示扫描状态、解码内容，并提供了手动触发解码、清空记录等调试功能。

快速上手步骤：

1. 导入资源：新建一个Unity项目（建议2021.3 LTS）。导入Vuforia Engine SDK。通过Package Manager添加ZXing.Net。
2. 搭建场景：在场景中创建Vuforia Behaviour和ARCamera。创建一个ImageTarget，将其类型设为User Defined。
3. 配置管理器：将一个空物体命名为QRScannerManager，挂上QRCodeScannerManager脚本。在Inspector中，将ARCamera和ImageTarget拖拽到对应字段。
4. 设置结果显示：在ImageTarget下创建一个3D TextMeshPro文本，并挂上ARResultDisplay脚本，关联好imageTarget和resultText。
5. 运行测试：在Unity编辑器中运行，或者构建到安卓/iOS手机。将摄像头对准一个二维码，你应该能看到识别框（如果需要可以加一个），解码成功后文字会浮现在二维码上方。

项目扩展思路：

• 支持更多码制：修改ZXingDecoder初始化代码中的PossibleFormats，加入BarcodeFormat.CODE_128,BarcodeFormat.DATA_MATRIX等。
• 持久化与历史记录：将扫描记录（内容、时间、位置）保存到本地数据库或上传到服务器。
• 网络内容交互：如果扫描到的是URL，可以内置一个简单的浏览器组件，直接预览网页内容。
• 结合平面检测：除了识别二维码，还可以用Vuforia的Ground Plane或Mid Air功能，让扫描出的3D模型放置在桌子上或空中。

这个项目麻雀虽小，五脏俱全，涵盖了AR应用开发中从底层图像处理、多线程编程到上层交互设计的多个关键环节。希望这份详细的拆解和附带的源码，能为你打开AR应用开发的一扇门。在实际开发中，最重要的是理解每个环节“为什么”要这么做，然后根据自己项目的具体需求进行调整和优化。编码愉快！