Реалізація AI-вимірювання об'єктів за фотографією у мобільному застосунку

AI-базоване вимірювання об'єктів з фотографій у мобільних додатках

Вимірювання ширини шафи без вставання з крісла звучить як маркетингова реклама. За цим стоїть нетривіальна геометрія: калібрування камери, оцінка глибини, детекція еталонного об'єкту. Точність вимірювання без спеціальних умов зйомки становить 5–15%, при правильній методології досягає 2–5%.

Два принципово різні підходи

ARKit/ARCore (LiDAR або SLAM) — точний, але вимагає підтримки пристрою. iPhone 12 Pro та новіші з LiDAR досягають точності 1–3 см на відстанях до 5 метрів. ARCore на Android без LiDAR працює гірше з помилкою 3–8 см.

Монокулярна оцінка глибини — працює на будь-якому пристрої без LiDAR, використовуючи CNN для оцінки глибини з одного кадру. MiDaS, DPT, Depth Anything V2 — актуальні моделі. Точність помітно нижча за LiDAR підходи, але достатня для багатьох застосувань.

// iOS: вибір методу на основі можливостей пристрою
func selectMeasurementMethod() -> MeasurementMethod {
    if ARWorldTrackingConfiguration.supportsSceneReconstruction(.mesh) {
        return .lidarARKit          // iPhone 12 Pro+, iPad Pro
    } else if ARWorldTrackingConfiguration.isSupported {
        return .slamARKit           // ARKit без LiDAR
    } else {
        return .monocularDepth      // fallback на CoreML модель
    }
}

Реалізація через ARKit

// Вимірювання відстані між двома точками в AR
class ARMeasurementSession: NSObject, ARSessionDelegate {

    var arView: ARSCNView!
    private var startAnchor: ARAnchor?
    private var endAnchor: ARAnchor?

    func placePoint(at screenPoint: CGPoint) -> MeasurementPoint? {
        // Raycast з екрану у 3D світовий простір
        guard let query = arView.raycastQuery(
            from: screenPoint,
            allowing: .estimatedPlane,
            alignment: .any
        ) else { return nil }

        guard let result = arView.session.raycast(query).first else { return nil }

        let worldPosition = result.worldTransform.columns.3  // позиція в метрах
        return MeasurementPoint(
            position: SIMD3(worldPosition.x, worldPosition.y, worldPosition.z),
            confidence: result.targetAlignment == .horizontal ? .high : .medium
        )
    }

    func calculateDistance(from start: MeasurementPoint, to end: MeasurementPoint) -> Measurement<UnitLength> {
        let diff = end.position - start.position
        let distanceMeters = Double(simd_length(diff))
        return Measurement(value: distanceMeters, unit: .meters)
    }
}

Поширена помилка полягає в тому, щоб не враховувати, що raycast краще працює на добре текстурованих поверхнях. Біла стіна дає погані результати SLAM відстеження, AR маркери починають «дрейфувати».

Відображення вимірювань в AR

func addMeasurementLine(from start: SIMD3<Float>, to end: SIMD3<Float>,
                         distance: String) {
    let midpoint = (start + end) / 2

    // Лінія між точками
    let lineNode = SCNNode(geometry: createCylinder(from: start, to: end))

    // Етикетка з відстанню в середині
    let labelNode = SCNNode(geometry: SCNText(string: distance, extrusionDepth: 0.001))
    labelNode.position = SCNVector3(midpoint.x, midpoint.y + 0.02, midpoint.z)
    labelNode.scale = SCNVector3(0.005, 0.005, 0.005)
    labelNode.constraints = [SCNBillboardConstraint()]  // завжди обличчям до камери

    sceneRoot.addChildNode(lineNode)
    sceneRoot.addChildNode(labelNode)
}

Підхід еталонного об'єкту для вимірювання за фотографіями

Без AR потрібен об'єкт відомого розміру у кадрі. Банківська карта (85.6 × 53.98 мм) служить зручним еталоном:

// Android: вимірювання через еталонний об'єкт
class ReferenceObjectMeasurer {

    fun measureWithCard(bitmap: Bitmap, cardBoundingBox: RectF,
                        objectBoundingBox: RectF): MeasurementResult {
        // Реальні розміри карти
        val cardRealWidth = 85.6f  // мм
        val cardRealHeight = 53.98f

        // Пікселі → мм
        val pixelsPerMmHorizontal = cardBoundingBox.width() / cardRealWidth
        val pixelsPerMmVertical = cardBoundingBox.height() / cardRealHeight

        // Коригування перспективного спотворення (спрощено)
        val correctionFactor = estimatePerspectiveCorrection(
            cardBoundingBox, imageDimensions = bitmap.width to bitmap.height
        )

        return MeasurementResult(
            widthMm = (objectBoundingBox.width() / pixelsPerMmHorizontal) * correctionFactor,
            heightMm = (objectBoundingBox.height() / pixelsPerMmVertical) * correctionFactor,
            accuracy = MeasurementAccuracy.MODERATE  // ±5-10% без калібрування
        )
    }
}

Детекція карти у кадрі здійснюється через ML Kit Object Detection або користувацьку модель YOLOv8 (неважко навчити на 500 зображеннях карт у різних умовах).

Кошторис за часом

Вимірювання ARKit/ARCore з базовим UI (дві точки, відстань) на одній платформі займає 3–5 днів. Повна реалізація — LiDAR + SLAM fallback + монокулярна глибина для старших пристроїв, вимірювання площі та периметру, історія вимірювань, експорт, iOS + Android — вимагає 1–2 тижнів.