我正在研究一个基于AR的解决方案，其中使用Scenekit-ARKit呈现一些3D模型。我还集成了CoreML来识别对象并在场景中渲染相应的3D对象。是否可以使用Core ML和ARKit获取真实世界对象的SCNVector3位置并在对象上创建SCNPlane？
但是现在我只是把它放在屏幕的中心，尽快检测到对象（仅限于我拥有的对象列表）。是否有可能获得真实世界对象的位置，以便我可以在对象上方显示一些叠加层？
这就是如果我有一瓶水扫描，我应该能够得到水瓶的位置。它可以放在水瓶里的任何地方，但不应该放在水瓶外面。这可能使用Scenekit吗？
与你的要求的所有部件在理论上是可能的，但一）几个部分，没有集成API为你做的事情，和b）你可能会签署了自己的more difficult problem than you think。
大概你的核心ML整合是一个图像分类器，因为这是大多数容易找到的ML模型。图像分类回答一个问题：“这是什么的照片吗？”
你在找什么涉及至少两个额外的问题：
问题1非常合理。有ML模型可以在ML社区中进行分类和检测（图像中的位置/边界）。最有名的可能是YOLO - here’s a blog post about using it with Core ML。
问题2是“研究团队和五年”的一部分。在YOLO的论文中您会注意到，它只会为检测到的对象提供粗糙的边界框 - 也就是说，它在2D图像空间中工作，而不是进行3D场景重建。
要真正了解物体的形状，甚至是物体的3D边界框，意味着将物体检测与场景重建相结合。例如，如果一个物体在二维图像中具有一定的高度，您是否正在查看一个高度较小，面积较小或长而低的三维物体，并退回距离？这种整合需要拆分ARKit的内部工作，苹果公司以外的任何人都无法做到，或者从头开始重新创建ARKit。尽管如此，可能会有一些假设可以从2D边界框中获得对3D形状的非常粗略的估计。例如，如果您在盒子的下角进行AR打击测试并发现它们位于水平面上，则可以猜测盒子的2D高度与对象的3D高度成比例，并且它的飞机上的占地面积与箱子的宽度成正比。你必须做一些研究和测试，看看是否会出现这样的假设，特别是在你的应用覆盖的任何用例中。