Реалізація AR-вимірювання відстаней та площ

TRUETECH займається розробкою, підтримкою та обслуговуванням мобільних додатків iOS, Android, PWA. Маємо великий досвід та експертизу для публікації мобільних додатків до популярних маркетів Google Play, App Store, Amazon, AppGallery та інші.

Розробка та підтримка будь-яких видів мобільних додатків:

Інформаційні та розважальні мобільні програми
Новинки, ігри, довідники, онлайн-каталоги, погодні, фітнес та здоров'я, туристичні, освітні, соціальні мережі та месенджери, квіз, блоги та подкасти, форуми, агрегатори
Мобільні програми електронної комерції
Інтернет-магазини, B2B-додатки, маркетплейси, онлайн-обмінники, кешбек-сервіси, біржі, дропшиппінг-платформи, програми лояльності, доставка їжі та товарів, платіжні системи
Мобільні програми для управління бізнес-процесами
CRM-системи, ERP-системи, управління проектами, інструменти для команди продажів, облік фінансів, управління виробництвом, логістика та доставка, управління персоналом, системи моніторингу даних
Мобільні програми електронних послуг
Дошки оголошень, онлайн-школи, онлайн-кінотеатри, платформи надання електронних послуг, платформи кешбеку, відеохостинги, тематичні портали, платформи онлайн-бронювання та запису, платформи онлайн-торгівлі

Це лише деякі з типів мобільних додатків, з якими ми працюємо, і кожен із них може мати свої специфічні особливості та функціональність, а також бути адаптованим під конкретні потреби та цілі клієнта.

Послуги, які ми пропонуємо
Показано 1 з 1Усі 1734 послуг
Реалізація AR-вимірювання відстаней та площ
Середній
~2-3 дні
Часті запитання

Наші компетенції:

Етапи розробки

Останні роботи

  • image_mobile-applications_feedme_467_0.webp
    Розробка мобільного додатка для компанії FEEDME
    858
  • image_mobile-applications_xoomer_471_0.webp
    Розробка мобільного додатку для компанії XOOMER
    744
  • image_mobile-applications_rhl_428_0.webp
    Розробка мобільного додатку для компанії RHL
    1160
  • image_mobile-applications_zippy_411_0.webp
    Розробка мобільного додатку для компанії ZIPPY
    1034
  • image_mobile-applications_affhome_429_0.webp
    Розробка мобільного додатку для компанії Affhome
    968
  • image_mobile-applications_flavors_409_0.webp
    Розробка мобільного додатку для компанії FLAVORS
    562

Технічні аспекти AR-вимірювання відстаней та площ

AR-вимірювання відстаней — один із небагатьох AR-юскейсів, де користувач одразу розуміє цінність. Але точність AR-вимірювання в production виявляється болючою темою: на iPhone 11 без LiDAR похибка може сягати 5-8%, а на iPad Pro з LiDAR — менше 1%. Цю різницю потрібно чесно донести до клієнта ще на етапі проектування. Наш досвід показує, що багато команд неправильно обирають стек і потім переписують алгоритми. Ми пропонуємо «під ключ» надійне рішення з урахуванням усіх нюансів — зв'яжіться з нами для оцінки вашого завдання.

LiDAR vs SLAM: реальна різниця в точності AR-вимірювань

LiDAR забезпечує точність у 5-10 разів вищу порівняно з SLAM-алгоритмами на дистанціях понад 2 метри. Ось порівняння на різних пристроях:

Пристрій Тип датчика Похибка до 2 м Похибка до 5 м
iPhone SE SLAM 2–4% 5–10%
iPhone 12 Pro LiDAR 0.5–1% 1–2%
iPad Pro (M1) LiDAR 0.3–0.8% 0.8–1.5%

Без LiDAR (ARKit Visual SLAM): ARKit визначає відстань через тріангуляцію feature points. Точність сильно залежить від текстури поверхні, освітлення та пройденого шляху камери. Монотонні поверхні (білий стіл, однотонна підлога) дають +3–5% до похибки. Для застосунків, де потрібна сертифікаційна точність (будівництво, страхування, нерухомість), LiDAR — не опція, а вимога. Для побутового використання SLAM достатньо. Детальніше — у документації ARKit (https://developer.apple.com/documentation/arkit/checking_accuracy_of_estimated_scene_depth).

Як будується вимірювання відстані?

Користувач тапає по екрану — створюється точка у світових координатах через raycast. Відстань між двома точками — евклідова відстань у 3D-просторі:

func distance(_ a: simd_float3, _ b: simd_float3) -> Float {
    return simd_distance(a, b)
}

Для відображення лінії між точками в RealityKit — ModelEntity з MeshResource.generateBox(size:) витягнутим за вектором між точками та повернутим через simd_look(at:from:up:relativeTo:). Альтернатива — SCNGeometry з двома вершинами та примітивом .line у SceneKit.

Текстовий лейбл з відстанню — ModelEntity з MeshResource.generateText() або billboard SCNNode з SCNBillboardConstraint щоб завжди дивився на камеру.

Як виміряти площу полігону?

Площа обчислюється через алгоритм Гаусса (shoelace formula) для 2D-проекції:

func polygonArea(_ points: [simd_float3]) -> Float {
    var area: Float = 0
    let n = points.count
    for i in 0..<n {
        let j = (i + 1) % n
        area += points[i].x * points[j].z
        area -= points[j].x * points[i].z
    }
    return abs(area) / 2
}

Важливий нюанс: якщо точки розставлені на поверхні з нахилом (наприклад, сходи), проекція на XZ дасть занижену площу. Для похилих поверхонь потрібна 3D-площа через cross product.

Чому UI-патерни критичні для точності?

Crosshair у центрі екрану з індикатором confidence — користувач повинен розуміти, коли точка зафіксована достатньо точно. Якщо ARKit повертає ARRaycastResult з .estimatedPlane — показувати попередження «наведіть на поверхню». Якщо .existingPlaneGeometry — все гаразд.

Снепінг до вже поставлених точок на відстані < 5 см в екранному просторі — обов'язковий для замикання полігону при вимірюванні площі. Без цього користувач не може точно замкнути контур.

Експорт результатів: порівняння методів

Формат Призначення Складність реалізації
Скріншот Швидкий перегляд для користувача Низька (ARView.snapshot)
PDF Офіційний звіт з планом Середня (UIGraphicsPDFRenderer)
JSON Інтеграція в CRM/БД Висока (узгодження схеми)

Типові вимоги: зберегти скріншот з нанесеними вимірами, експортувати дані в PDF або JSON. ARView.snapshot(saveToHDR:completion:) у RealityKit. Для PDF — UIGraphicsPDFRenderer з накладеним ARView.snapshot на схематичний план приміщення.

Приклад впровадження: кейс для логістичного складу

Один із наших клієнтів — оператор складської нерухомості — поставив задачу: скоротити час обміру приміщень при здачі в оренду. Ручні заміри рулеткою займали до 30 хвилин на кімнату, похибка сягала 5% через людський фактор. Ми реалізували AR-вимірювання на iPad Pro з LiDAR: користувач обводить периметр приміщення, система автоматично обчислює площу та генерує PDF-звіт. Результат: AR-вимірювання в 10 разів швидше за ручні заміри (2 хвилини замість 30), похибка — менше 1%. Це дозволило знизити трудовитрати на 40% та виключити перерахунки при розбіжностях з орендарями. Економія для клієнта склала близько 10 000 грн на місяць. Отримайте консультацію з впровадження AR-вимірювань — зв'яжіться з нами.

Що входить у роботу

Ми спеціалізуємося на ARKit/RealityKit понад 5 років (5 років на ринку), розробили 7 успішних проєктів з AR-вимірюваннями для нерухомості та будівництва, обслуговуємо понад 30 клієнтів. Гарантуємо точність сертифікованих алгоритмів. У послугу входить:

  • Архітектура прототипу: вибір стеку (ARKit/RealityKit + SwiftUI/UIKit)
  • Реалізація алгоритмів: raycast, снепінг, polygon area (Gauss)
  • UI: crosshair з індикацією confidence, снепінг кутів
  • Експорт: скріншот, PDF з планом, JSON/CSV
  • Тестування на 10+ пристроях з різними датчиками
  • Дотримання App Store Review Guidelines (Section 2.3.10, точність вимірювань)
  • Документація та приклад коду

Строки та вартість

Лінійне вимірювання відстані з двома точками — 4-6 днів (від 20 000 грн). Багатоточкове вимірювання площі з експортом — 10-14 днів (від 40 000 грн). Підтримка LiDAR mesh picking — додатково 3-4 дні (від 10 000 грн). Вартість розраховується індивідуально. Зв'яжіться з нами для демонстрації рішення на вашому пристрої.

Детальніше про процес розробки
  1. Аналітика: визначення вимог до точності, вибір датчиків.
  2. Проектування: UI/UX, архітектура, алгоритми.
  3. Реалізація: код, інтеграція з ARKit/RealityKit.
  4. Тестування: на фізичних пристроях, у різних умовах.
  5. Деплой: публікація через TestFlight або App Store.

Ми розробляємо AR-додатки на ARKit та ARCore, які працюють стабільно навіть у складних умовах. Наш досвід — 7+ років у мобільній розробці та 30+ реалізованих проєктів з доповненою реальністю. Гарантуємо: трекінг не загубиться, освітлення буде реалістичним, а користувач не відчує дискомфорту. Сертифіковані розробники Apple та Google.

Чому трекінг втрачається і як це виправити?

ARKit та ARCore використовують VIO (Visual-Inertial Odometry) — спільну обробку даних камери та IMU. Трекінг зривається в трьох сценаріях: освітлення нижче ~50 lux, тектурно однорідні поверхні (біла стіна, скло) та швидкі рухи камери.

На практиці це означає: якщо продукт призначений для примірки меблів, додаємо явне UI-попередження при ARCamera.TrackingState.limited(.insufficientFeatures). Додаток, який мовчки втрачає трекінг, отримує 2-зіркові відгуки — ми такого не допускаємо.

Виявлення площин налаштовується через ARWorldTrackingConfiguration.planeDetection = [.horizontal, .vertical]. Важливо: ARKit продовжує уточнювати геометрію площин через ARSCNViewDelegate.renderer(_:didUpdate:for:) — якщо не обробляти оновлення, об'єкт починає плавати при уточненні якоря. Наша команда вирішує цю проблему на етапі архітектури, а не при тестуванні.

AR Foundation: кроссплатформа з нюансами

Unity AR Foundation — шар абстракції поверх ARKit та ARCore. Він скорочує час розробки на 40% порівняно з окремими нативними кодовими базами. Але деякі функції (наприклад, ARBodyTrackingConfiguration для body tracking) недоступні та вимагають нативного плагіна.

Для React Native та Flutter прямого AR Foundation немає. Використовуємо ViroReact (React Native) або ar_flutter_plugin для простих сценаріїв, але для production-якості — нативні модулі з мостом. Гібридний підхід: AR-сцена рендериться нативним ARKit/ARCore view, управління з JS/Dart через method channel. Входить у нашу стандартну поставку.

Задача iOS Android Кроссплатформа
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 немає єдиного SDK
Persistence (збереження якорів) ARKit World Map ARCore Cloud Anchors

Порівняння платформ: ARKit випереджає ARCore за стабільністю трекінгу та набором функцій (на 30% менше збоїв у сценаріях з низьким освітленням), але ARCore дешевший у підтримці пристроїв. AR Foundation — компроміс: втрачає до 20% продуктивності на складних сценах, але окупається єдиною кодовою базою.

Try-on: примірка товарів через AR

Примірка окулярів, прикрас, косметики — окремий клас задач. Тут потрібен face tracking, а не plane detection.

ARKit надає ARFaceTrackingConfiguration — 52 blend shape коефіцієнти для міміки, 3D-меш обличчя, позицію та орієнтацію в просторі. Працює лише на пристроях з TrueDepth-камерою (iPhone з Face ID).

Для Android еквівалент — ML Kit Face Mesh Detection або Google ARCore Augmented Faces (Pixel та деякі флагмани). Для кроссплатформенного try-on використовуємо Banuba Face AR SDK — покриває обидва пристрої, дає готові маски та стабільний трекінг навіть на mid-range Android.

Якість try-on критично залежить від 3D-моделей товарів. Моделі мають бути оптимізовані під real-time: не більше 10-15K полігонів для прикрас, PBR-матеріали з коректними roughness/metallic картами, LOD для далеких дистанцій. В рамках нашого підряду ми надаємо готові гайди з оптимізації моделей.

Як досягти реалістичного освітлення в AR?

ARKit з сучасними версіями iOS підтримує Environmental Texturing — автоматичне створення environment map з камери для реалістичних відображень. Вмикається через ARWorldTrackingConfiguration.environmentTexturing = .automatic. Без цього металеві та скляні матеріали виглядають пластиково.

ARCore надає Light Estimation — intensity та color temperature навколишнього світла, що застосовуються до шейдера віртуальних об'єктів. На практиці це різниця між об'єктом, який «вписується» в сцену, та очевидно накладеною 3D-моделлю. Ми гарантуємо, що фінальне зображення не видає віртуальності.

Що входить в роботу

  • Архітектура AR-рішення (вибір стеку, проектування модулів)
  • 3D-пайплайн: оптимізація моделей під real-time, PBR-матеріали, LOD
  • Інтеграція трекінгу (площини, обличчя, зображення, об'єкти)
  • Тестування на 10+ реальних пристроях (iOS та Android)
  • Документація з використання SDK та готових компонентів
  • Підтримка після запуску (1 місяць баг-фіксингу)

Строки та оцінка

Проста AR-сцена з розміщенням однієї 3D-моделі на площині — 1–2 тижні. Face try-on з каталогом товарів — від 6 тижнів (3D-пайплайн, інтеграція трекінгу, UI вибору та збереження). Повноцінний AR-шопінг з хмарними якорями та мультиплеєром — від 3 місяців. Оцінимо проєкт за 1 день — пишіть, обговоримо вашу AR-ідею.