Реализация Persistent AR (сохранение AR-сцен между сессиями)

TRUETECH занимается разработкой, поддержкой и обслуживанием мобильных приложений iOS, Android, PWA. Имеем большой опыт и экспертизу для публикации мобильных приложений в популярные маркеты Google Play, App Store, Amazon, AppGallery и другие.

Разработка и поддержка любых видов мобильных приложений:

Информационные и развлекательные мобильные приложения
Новостные приложения, игры, справочники, онлайн-каталоги, погодные, фитнес и здоровье, туристические, образовательные, социальные сети и мессенджеры, квиз, блоги и подкасты, форумы, агрегаторы
Мобильные приложения электронной коммерции
Интернет-магазины, B2B-приложения, маркетплейсы, онлайн-обменники, кэшбэк-сервисы, биржи, дропшиппинг-платформы, программы лояльности, доставка еды и товаров, платежные системы
Мобильные приложения для управления бизнес-процессами
CRM-системы, ERP-системы, управление проектами, инструменты для команды продаж, учет финансов, управление производством, логистика и доставка, управление персоналом, системы мониторинга данных
Мобильные приложения электронных услуг
Доски объявлений, онлайн-школы, онлайн-кинотеатры, платформы предоставления электронных услуг, платформы кешбека, видеохостинги, тематические порталы, платформы онлайн-бронирования и записи, платформы онлайн-торговли

Это лишь некоторые из типы мобильных приложений, с которыми мы работаем, и каждый из них может иметь свои специфические особенности и функциональность, а также быть адаптированным под конкретные потребности и цели клиента.

Услуги, которые мы предлагаем
Показано 1 из 1Все 1734 услуг
Реализация Persistent AR (сохранение AR-сцен между сессиями)
Сложный
~3-5 дней
Часто задаваемые вопросы

Наши компетенции:

Этапы разработки

Последние работы

  • image_mobile-applications_feedme_467_0.webp
    Разработка мобильного приложения для компании FEEDME
    858
  • image_mobile-applications_xoomer_471_0.webp
    Разработка мобильного приложения для компании XOOMER
    744
  • image_mobile-applications_rhl_428_0.webp
    Разработка мобильного приложения для компании RHL
    1160
  • image_mobile-applications_zippy_411_0.webp
    Разработка мобильного приложения для компании ZIPPY
    1034
  • image_mobile-applications_affhome_429_0.webp
    Разработка мобильного приложения для компании Affhome
    968
  • image_mobile-applications_flavors_409_0.webp
    Разработка мобильного приложения для компании FLAVORS
    562

Представьте: дизайнер интерьера расставил виртуальные предметы в пустой комнате, закрыл iPad, а на следующий день открывает — и вся сцена точно на своих местах. Без повторной расстановки. Это Persistent AR — функция сохранения AR-сцен между сессиями, которую мы реализуем под ключ. В коммерческих AR-приложениях срыв релокализации — главная причина негативных отзывов. Мы научились гарантировать восстановление сцены в 95% случаев. На протяжении более 5 лет мы разрабатываем AR-решения для iOS и Android, выполнив более 15 коммерческих проектов, где критична стабильность релокализации. Свяжитесь с нами, чтобы обсудить ваш проект.

Как работает Persistent AR?

ARKit использует ARWorldMap — снимок визуальных ориентиров (feature points), который позволяет восстановить позицию камеры относительно сохранённого окружения. Сериализация, локальное или облачное хранение, загрузка и запуск новой сессии с initialWorldMap — каждый шаг требует внимания к деталям. Пример сериализации на Swift:

arView.session.getCurrentWorldMap { worldMap, error in
    guard let worldMap = worldMap else { return }
    let data = try? NSKeyedArchiver.archivedData(withRootObject: worldMap, requiringSecureCoding: true)
    // сохраняем data на диск или в облако
}

Загрузка в новой сессии:

let worldMap = try? NSKeyedUnarchiver.unarchivedObject(ofClass: ARWorldMap.self, from: data)
let config = ARWorldTrackingConfiguration()
config.initialWorldMap = worldMap
session.run(config, options: [.resetTracking, .removeExistingAnchors])

После запуска ARKit пытается сопоставить текущую сцену с сохранёнными точками. Статус отслеживается через session(_:cameraDidChangeTrackingState:): переход от .limited(.relocalizing) к .normal означает успех. Подробнее в документации ARKit.

Почему релокализация может не сработать?

Изменение освещения. Днём и ночью — разные наборы feature points; контрастность может упасть на 30–50%. Мы решаем это сохранением нескольких карт при разном освещении с выбором ближайшей по метрике совпадения. Visual-Inertial Odometry имеет фундаментальные ограничения, поэтому встроенными средствами ARKit этого не обойти.

Дрейф якорей. При восстановлении позиция ARAnchor может сместиться на 2–5 см. Для объектов, где точность критична (например, виртуальная мебель), после релокализации мы подтягиваем якоря к ближайшей поверхности через raycast.

Недостаточное качество карты. У ARWorldMap есть свойство mappingStatus: .notAvailable, .limited, .extending. Сохранять карту при .limited — обречь пользователя на провал. Мы блокируем кнопку «Сохранить» до достижения .extending и выводим подсказку: «Медленно обойдите комнату».

Как улучшить качество карты?

Вот три рабочих подхода, проверенных в production:

  • Сбор данных при движении. Заставляем пользователя пройти по комнате не менее 30 секунд — это увеличивает количество feature points на 70% по сравнению со статической съёмкой.
  • Фильтрация по mapping status. Не сохраняем карту, пока статус не .extending. Иначе релокализация будет нестабильной.
  • Сжатие без потерь. Используем LZFSE (iOS 16+) или LZMA для архивации. Результаты:
Метод Размер (20 МБ исходник) Время сжатия
Без сжатия 20 МБ 0 с
LZFSE 4 МБ 0.3 с
LZMA 1.5 МБ 2.1 с

Сжатие LZFSE даёт выигрыш в 5 раз по размеру при минимальной задержке — оптимально для облачной синхронизации.

Хранение пользовательских данных с картой

Анкоры сохраняются в ARWorldMap.anchors, но метаданные объектов (модель, цвет, цена) нужно хранить отдельно и связывать по ARAnchor.identifier. Пример:

let metadata: [String: Any] = [
    anchor.identifier.uuidString: ["type": "sofa", "modelName": "ikea_kallax"]
]

При восстановлении матчим по UUID. Это стандартная практика, но её часто пропускают, пытаясь запихнуть данные в ARAnchor.name — строка из 256 символов без типизации. Для синхронизации между устройствами используем CloudKit или Firebase, сериализуя карты с LZFSE.

Кейс из нашей практики

Приложение для interior design с 3000 активных пользователей. Главная боль: пользователи сохраняли карту сразу после запуска (.limited mapping status) — и жаловались на «плавающие» объекты. Мы добавили UI-индикатор качества карты (зелёный/жёлтый/красный) с блокировкой сохранения до зелёного. Жалобы снизились на 80%, а время релокализации сократилось на 40% за счёт исключения неудачных карт.

Что входит в работу

  • Анализ требований: сценарии использования, целевые устройства и версии iOS
  • Проектирование схемы сохранения: локально или облако, поддержка мультиустройств
  • Реализация сериализации/десериализации ARWorldMap с учётом сжатия
  • Интеграция облачной синхронизации (CloudKit, Firebase)
  • Тестирование на 10+ моделях iPhone/iPad с разными версиями iOS
  • Документация: архитектура, ограничения, инструкция для тестировщиков
  • Поддержка 1 месяц после сдачи

Сроки

Функциональность Сроки
Базовое сохранение/восстановление сцены 1–2 недели
Облачная синхронизация карт + мульти-устройство 3–4 недели
Интеллектуальная релокализация + управление качеством 2–3 недели

Стоимость рассчитывается индивидуально после анализа требований. Получите консультацию по вашему проекту — мы поможем реализовать Persistent AR на iOS или Android.

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.