Техник с планшетом обходит цех. Наводит камеру на станок — видит схему подключения, список деталей под крышкой, анимацию разборки. Без AR это бумажные инструкции, поиск по каталогам, минуты на идентификацию. AR превращает планшет в инструмент диагностики. Наша команда с 5-летним опытом реализовала 30+ AR-проектов для машиностроения, нефтегаза и энергетики. Гарантируем точность позиционирования до 1 мм на iPad Pro с LiDAR. AR-инструкции работают в 3–5 раз быстрее бумажных — техник не листает каталоги, сразу видит данные на детали. Средний проект экономит 50 часов в месяц на одном рабочем месте.
Как AR-система распознаёт оборудование?
Главная техническая сложность — привязать виртуальные аннотации к реальному агрегату. Используем три подхода:
| Метод |
Точность |
Маркеры |
Оборудование |
| Image Tracking |
~1–2 мм |
QR-код или табличка |
Любой смартфон / планшет |
| Object Scanning |
~5–10 мм |
Нет |
iOS с LiDAR или текстурированные объекты |
| LiDAR + ICP |
~1 мм |
Нет |
iPad Pro с LiDAR |
Image Tracking — самый надёжный для производства: ARKit ARImageTrackingConfiguration детектирует метку, точность позиционирования ~1–2 мм, работает на любом устройстве. Object Scanning (ARKit ARObjectScanningConfiguration) создаёт .arobject файл, но требует достаточной текстуры — гладкий металлический корпус не подойдёт. LiDAR Scene Reconstruction строит mesh окружения и сравнивает с эталоном через Iterative Closest Point, но вычислительно дорого.
Какие стеки использовать для промышленного AR?
Для enterprise-задач есть готовые платформы. PTC Vuforia Engine — де-факто стандарт: Model Target распознаёт по CAD-модели без маркеров, Area Target сканирует помещение. SDK для iOS/Android/Unity. Scope AR WorkLink — no-code платформа для создания AR-инструкций через браузер. Upskill Skylight — аналог с фокусом на чеклисты. Кастомная разработка оправдана при глубокой интеграции с ERP/CMMS (SAP PM, IBM Maximo, Infor EAM), специфическом UI или работе оффлайн на защищённых устройствах.
Сравнение платформ для промышленного AR:
| Параметр |
Vuforia Engine |
ARKit/ARCore |
Кастомная разработка |
| Распознавание по CAD |
Да (Model Target) |
Нет (только image/object) |
Можно реализовать |
| Оффлайн-режим |
Да (облачные цели) |
Ограничен |
Полный контроль |
| Интеграция с ERP |
Через REST |
Через REST |
Прямые SDK |
| Лицензирование |
Коммерческая |
Бесплатно |
N/A |
Какие сложности возникают при интеграции AR с ERP?
Типичная проблема — синхронизация данных между AR-приложением и ERP/CMMS. Например, SAP PM требует строгого формата через BAPI для создания заказов на ремонт. При оффлайн-работе данные буферизуются локально и синхронизируются после восстановления сети, чтобы избежать конфликтов. Ещё одна сложность — конвертация CAD-моделей: даже после конвертации в GLTF через Open CASCADE Technology или Datasmith приходится вручную корректировать масштаб и привязку к координатам оборудования.
Пошаговый процесс создания AR-инструкции
- Загрузка CAD-модели в формате STEP/IGES и конвертация в GLTF через Open CASCADE Technology.
- Привязка аннотаций к узлам: стрелка + текст «ослабить крепёж M8 × 4 шт» к конкретной точке.
- Анимация разборки: CAD-модель «выдвигается», показывая путь извлечения детали.
- Создание чеклиста с автопереходом — система перепозиционирует аннотации после каждого шага.
- Экспорт в AR-приложение с локальным хранением.
Что входит в работу
- Технический аудит требований и условий эксплуатации
- Разработка AR-приложения под iOS/Android (ARKit/ARCore)
- Конвертация CAD-моделей в AR-совместимые форматы
- Интеграция с ERP/CMMS через REST API или GraphQL
- Тестирование на реальном оборудовании с замерами точности
- Документация и обучение персонала
- Техническая поддержка после запуска
Для выбора подхода распознавания: если оборудование можно оклеить QR-маркерами — выбирайте Image Tracking (дёшево и надёжно). Если маркеры недопустимы, а оборудование имеет текстуру — Object Scanning. Для максимальной точности без маркеров на iPad Pro — LiDAR + ICP. Конкретный метод подбирается после аудита.
Интеграция с ERP и CMMS
Типовые интеграции: SAP PM (Plant Maintenance), IBM Maximo, Infor EAM. AR-приложение получает из ERP серийный номер оборудования и загружает нужные инструкции. После выполнения техобслуживания записывает work order completion обратно через API. Для сценариев с ограниченным интернетом реализована оффлайн-синхронизация: данные хранятся локально (SQLite / Core Data / Room) и синхронизируются при восстановлении соединения.
Сроки и стоимость
MVP (image tracking + статичные аннотации без ERP-интеграции) — 4–6 недель. Полное решение с анимированными инструкциями, оффлайн-синхронизацией и интеграцией — 3–6 месяцев. Стоимость рассчитывается индивидуально после аудита требований. Закажите консультацию — оценим ваш проект под ключ. Пишите, обсудим детали.
Получите консультацию наших инженеров: оценим проект, подберём оптимальный стек и предложим план внедрения.
Мы разрабатываем AR-приложения на ARKit и ARCore, которые работают стабильно даже в сложных условиях. Наш опыт — 7+ лет в мобильной разработке и 30+ реализованных проектов с дополненной реальностью. Гарантируем: трекинг не потеряется, освещение будет реалистичным, а пользователь не почувствует дискомфорта. Сертифицированные разработчики Apple и Google.
Почему трекинг теряется и как это исправить?
ARKit и ARCore используют VIO (Visual-Inertial Odometry) — совместную обработку данных камеры и IMU. Трекинг срывается в трёх сценариях: освещение ниже ~50 lux, текстурно однородные поверхности (белая стена, стекло) и быстрые движения камеры.
На практике это значит: если продукт предназначен для примерки мебели, добавляем явное UI-предупреждение при ARCamera.TrackingState.limited(.insufficientFeatures). Приложение, которое молча теряет трекинг, получает 2-звёздочные отзывы — мы такое не допускаем.
Обнаружение плоскостей настраивается через ARWorldTrackingConfiguration.planeDetection = [.horizontal, .vertical]. Важно: ARKit продолжает уточнять геометрию плоскостей через ARSCNViewDelegate.renderer(_:didUpdate:for:) — если не обрабатывать обновления, объект начинает плавать при уточнении якоря. Наша команда решает эту проблему на этапе архитектуры, а не при тестировании.
AR Foundation: кросс-платформа с нюансами
Unity AR Foundation — слой абстракции поверх ARKit и ARCore. Он сокращает время разработки на 40% по сравнению с раздельными нативными кодовыми базами. Но некоторые функции (например, ARBodyTrackingConfiguration для body tracking) недоступны и требуют нативного плагина.
Для React Native и Flutter прямой AR Foundation отсутствует. Используем ViroReact (React Native) или ar_flutter_plugin для простых сценариев, но для production-качества — нативные модули с мостом. Гибридный подход: AR-сцена рендерится нативным ARKit/ARCore view, управление из JS/Dart через method channel. Входит в нашу стандартную поставку.
| Задача |
iOS |
Android |
Кросс-платформа |
| Plane detection |
ARKit |
ARCore |
AR Foundation, Unity |
| Face tracking |
ARKit (TrueDepth) |
ARCore Augmented Faces |
Banuba, Snap Camera Kit |
| Image tracking |
ARKit (Vision) |
ARCore Augmented Images |
AR Foundation |
| Object detection |
ARKit 3D Object Scanning |
ARCore |
нет единого SDK |
| Persistence (сохранение якорей) |
ARKit World Map |
ARCore Cloud Anchors |
— |
Сравнение платформ: ARKit опережает ARCore по стабильности трекинга и набору функций (на 30% меньше сбоев в сценариях с низким освещением), но AR Core дешевле в поддержке устройств. AR Foundation — компромисс: теряет до 20% производительности на сложных сценах, но окупается единой кодовой базой.
Try-on: примерка товаров через AR
Примерка очков, украшений, косметики — отдельный класс задач. Здесь нужен face tracking, а не plane detection.
ARKit предоставляет ARFaceTrackingConfiguration — 52 blend shape коэффициента для мимики, 3D-меш лица, позиция и ориентация в пространстве. Работает только на устройствах с TrueDepth-камерой (iPhone с Face ID).
Для Android эквивалент — ML Kit Face Mesh Detection или Google ARCore Augmented Faces (Pixel и некоторые флагманы). Для кросс-платформенного try-on используем Banuba Face AR SDK (Banuba Face AR SDK documentation) — покрывает оба устройства, даёт готовые маски и стабильный трекинг даже на mid-range Android.
Качество try-on критически зависит от 3D-моделей товаров. Модели должны быть оптимизированы под real-time: не более 10-15K полигонов для украшений, PBR-материалы с корректными roughness/metallic картами, LOD для дальних дистанций. В рамках нашего подряда мы предоставляем готовые гайды по оптимизации моделей.
Как добиться реалистичного освещения в AR?
ARKit с современными версиями iOS поддерживает Environmental Texturing — автоматическое создание environment map из камеры для реалистичных отражений. Включается через ARWorldTrackingConfiguration.environmentTexturing = .automatic. Без этого металлические и стеклянные материалы выглядят пластиково.
ARCore предоставляет Light Estimation — intensity и color temperature окружающего света, применяемые к шейдеру виртуальных объектов. На практике это разница между объектом, который «вписывается» в сцену, и очевидно наложенной 3D-моделью. Мы гарантируем, что финальное изображение не выдаёт виртуальности.
Что входит в работу
- Архитектура AR-решения (выбор стека, проектирование модулей)
- 3D-пайплайн: оптимизация моделей под real-time, PBR-материалы, LOD
- Интеграция трекинга (плоскости, лица, изображения, объекты)
- Тестирование на 10+ реальных устройствах (iOS и Android)
- Документация по использованию SDK и готовых компонентов
- Поддержка после запуска (1 месяц баг-фиксинга)
Сроки и оценка
Простая AR-сцена с размещением одной 3D-модели на плоскости — 1–2 недели. Face try-on с каталогом товаров — от 6 недель (3D-пайплайн, интеграция трекинга, UI выбора и сохранения). Полноценный AR-шоппинг с облачными якорями и мультиплеером — от 3 месяцев. Оценим проект за 1 день — пишите, обсудим вашу AR-идею.
