Unity 发布到网页端-全流程操作(保姆级详解)| 图文详解,快速上手。Unity WebGL 发布到 CloudBase 静态托管

一.unity导出 WebGL

1.1先做准备:安装 WebGL 模块

  1. 打开 Unity Hub(不是 Unity 编辑器,是 Unity Hub)。
  2. 左侧点 Installs(安装) → 找到你当前用的 Unity 版本 → 点右边 齿轮/三个点 → Add Modules(添加模块)。
  3. 在列表里勾选 WebGL Build Support(网页版构建支持),点安装。
  4. 等它下载安装完成(可能需要一段时间,几百 MB)。

1.2切换平台到 WebGL

  1. 打开你的项目,顶部菜单 File → Build Settings(构建设置)。
  2. 在 Platform(平台) 列表里选 WebGL。
  3. 点 Switch Platform(切换平台)。
  4. 等它把资源转换完(进度条走完,可能需要几分钟)。

1.3配置 WebGL 设置(关键,避免导出后一堆问题)

在 Build Settings 窗口 → 点左下角 Player Settings(播放器设置),在右侧 Inspector 里设置:

1. 分辨率/画布

  • Resolution and Presentation:
    • Default Canvas Width:1920
    • Default Canvas Height:1080
    • (设置为其他也可以 具体看自己本身设置)

2. 颜色空间(如果之前用的是 Linear)

  • Other Settings → Color Space:可以保持 Gamma(WebGL 支持 Linear,但 Gamma 更稳)。如果你的模型在编辑器里看着正常,一般不用改。

3. 压缩格式

  • Publishing Settings → Compression Format:
    • 如果本地测试/自己看 → 选 Disabled(最不容易出错,文件大但本地能直接打开)
    • 如果要放到服务器 → 选 Gzip 或 Brotli(体积小,但需要服务器支持)

4.其他常见设置

  • Other Settings → Strip Engine Code:保持默认(勾选)。
  • Managed Stripping Level:如果导出后报错/功能异常,可以调到 Minimal

1.4导出(Build)

  1. 回到 Build Settings 窗口。
  2. 点 Build 按钮。
  3. 选一个空文件夹作为输出目录(比如 D:\MyBuild),新建一个文件夹给它。
  4. 点确定,等构建完成(可能几分钟到十几分钟,第一次慢)。

构建完成后,那个文件夹里会有:

index.html

Build/ (核心文件)

TemplateData/ (页面模板)

1.5本地测试(关键:不能直接双击 index.html)

⚠️ WebGL 不能直接双击 index.html 打开(会因"本地文件跨域"报错,画面打不开)。必须用本地服务器方式打开。

最简单的本地测试方法:

  • (推荐,用 Unity 自带):构建完后,Unity 会弹出一个小窗口,点 Launch / Open 按钮,它会自动起一个本地服务器并打开浏览器。这是最省事的。
  •    如果Unity 没有弹出弹出一个小窗口,

用 Unity 的 Build And Run       File → Build Settings。
点 Build And Run(不是 Build)。
选一个空文件夹。
Unity 会自动:构建 → 起本地服务器 → 自动打开浏览器。

二:以 CloudBase 为例,上传

2.1 控制台准备

  1. 腾讯云控制台搜索 云开发 CloudBase → 新建环境(选按量计费,有免费额度;地域随便)
  2. 进入环境 → 左侧找 静态网站托管(有的版本叫 Web 托管)→ 开通
  3. 开通后会给你一个默认域名,形如 xxx.tcloudbaseapp.com —— 这就是你要发给别人的网址

2.2 上传(二选一)

方式一:网页上传(简单,但 109MB 容易超时) 静态网站托管 → 上传文件 → 传 web.zip → 若能在线解压就解压;不能解压就只能一个个传,很痛苦。

方式二:CLI 上传(109MB 强烈推荐这个) ✅

先装 Node.js,官网下载 LTS 版,一路下一步,下载教程请看:Node.js 与 npm 的安装与配置(详细教程)_npm安装-CSDN博客https://blog.csdn.net/xhmico/article/details/159132633然后命令行:

# 安装腾讯云 CloudBase 命令行工具

npm install -g @cloudbase/cli

# 登录(会弹浏览器授权)

tcb login

# 进入你的构建文件夹

cd 你的构建文件夹路径

# 部署到环境根目录(把 ENV_ID 换成你的环境ID)

tcb hosting deploy ./ / -e ENV_ID

命令行会显示上传进度。大概几分钟。这条命令可以重复执行,改了内容再跑一次就更新了。(下面是这段命令的详细教程。)

如果报错说没开通托管,回控制台把静态网站托管开通一下再跑。

2.3 命令行详细教程

先把这3样东西拿到手
CloudBase中,环境 ID 左侧  环境管理→点 ceshi →复制 ceshi-xxxxxxxx
默认域名静态网站托管一基础配置(或概览页底部)shi-xxx.tcloudbaseapp.com

打开命令行 
方法:直接在构建文件夹里打开CMD(最推荐 新手必用)
1.用文件资源管理器打开你的构建文件夹(进到能看到 index.html 那一层)
2.点一下顶部的地址栏 (显示路径的那一条),把里面的路径全部删掉
3.输入cmd,按回车

在黑色窗口里输入(每行按回车执行):node -v

正常会显示类似 v20.11.0。✅ 说明 Node 装好了。

输入npm -v

显示类似 10.2.4。✅

输入dir

应该能看到 index.htmlBuildTemplateData

2.4 安装 CloudBase 命令行工具

cmd中输入

npm install -g @cloudbase/cli

回车      会滚一堆文字,等它跑完(1–3 分钟)。看到类似 added xxx packages 就是成功。

如果卡住不动,多半是网络问题,试:

CMD输入
npm install -g @cloudbase/cli --registry=https://registry.npmmirror.com(用了国内镜像,会快很多)

2.5 登录

CMD输入

tcb login

会自动弹出浏览器,用你的腾讯云账号登录并点授权/同意。

回到黑色窗口应该显示登录成功,并且会列出你的环境

顺便拿到环境 ID

登录后直接运行:

CMD输入

tcb env:list

会列出所有环境,找到 ceshi 那一行,复制它后面的环境 ID,形如 ceshi-1a2b3c4d5e。这个就是下面要用的 你的环境ID

2.6 上传(最关键的一步)

还是在构建文件夹里那个黑窗口,执行:

CMD输入

tcb hosting deploy ./ -e 你的环境ID

把 你的环境ID 换成第 6 步复制的那串,比如:

tcb hosting deploy ./ -e ceshi-1a2b3c4d5e

⚠️ 注意几点:

  • ./ 表示"把当前文件夹里的内容全部上传",保持原样别改
  • 竖线左边 ./ 和 -e、环境 ID 之间都要有空格
  • 后面不要加 \ 或引号

然后会显示上传进度条。大概几分钟,让它慢慢跑,别关窗口。

如果它问你要不要确认

有的版本会问 是否继续?(Y/n) → 输入 Y 回车。

2.7 验证 🎉

  1. 回控制台 → 静态网站托管 → 文件管理 确认根目录下直接能看到 index.htmlBuild/TemplateData/
  2. 打开 静态网站托管 → 基础配置(或概览页),复制默认域名(形如 ceshi-xxx.tcloudbaseapp.com
  3. 浏览器打开 https://默认域名

出现 Unity 加载条 → 进画面 = 成功!把这个网址分享给别人。

内容概要:本文介绍了一个基于Python和计算机视觉的体育课堂动作识别系统的设计与实现,旨在通过摄像头视频对人体姿态关键点进行实时检测与分析,实现对深蹲、俯卧撑、开合跳等常见体育动作的自动识别与计数。系统采用MediaPipe进行人体姿态估计,提取骨骼关键点后进行归一化处理,构建关节角度、位移、速度等时序特征,利用随机森林模型完成动作分类,并结合时间窗口、状态机和置信度阈值机制提升识别稳定性。系统具备实时反馈、动作计数、规范性提示和数据导出功能,支持模型训练与部署全流程,适用于学校体育教学场景。; 适合人群:具备Python编程基础,熟悉OpenCV、MediaPipe、Scikit-learn等库的高校学生、人工智能初学者及教育技术开发者,适合用于课程设计、毕业设计或智能体育教学研究。; 使用场景及目标:①应用于中小学体育课堂,辅助教师自动识别学生动作并统计完成次数;②为学生提供实时动作反馈,纠正不规范姿势;③构建可扩展的智能体育教学平台,支持新增动作类别与数据长期追踪;④作为AI+教育的实践案例,掌握从数据采集、特征工程到模型部署的完整流程。; 阅读建议:此资源包含详细的模型描述与可运行代码示例,建议读者结合项目代码动手实践,重点关注姿态估计、特征归一化、时序窗口构建与分类模型集成等核心环节,并可根据实际需求替换为LSTM等时序模型以进一步提升性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值