מדידת עצמים באמצעות AI מתמונות באפליקציות מובייל

מדידת עצמים באמצעות צילום באפליקציה מובייל מבטלת את הצורך בסרט מדידה ובבדיקות ידניות נוספות. אנו מפתחים פתרונות AI הקובעים אוטומטית ממדי פריט מתוך תמונה. הצוות שלנו מספק את הפרויקט במפתח מלא—מבחירת השיטה ועד לאינטגרציה ולתמיכה שוטפת.

פיתוח ותמיכה בכל סוגי היישומים הניידים:

יישומים ניידים למידע ובידור
אפליקציות חדשות, משחקים, מדריכים, קטלוגים מקוונים, אפליקציות מזג אוויר, אפליקציות כושר ובריאות, אפליקציות נסיעות, אפליקציות חינוכיות, רשתות חברתיות ומסנג'רים, חידונים, בלוגים ופודקאסטים, פורומים, אגרגטורים
יישומים ניידים למסחר אלקטרוני
חנויות מקוונות, אפליקציות B2B, מרקטפלייסים, בורסות מקוונות, שירותי קאשבק, בורסות, פלטפורמות דרופשיפינג, תוכניות נאמנות, משלוחי מזון ומוצרים, מערכות תשלום.
יישומים ניידים לניהול תהליכים עסקיים
מערכות CRM, מערכות ERP, ניהול פרויקטים, כלים לצוותי מכירות, ניהול פיננסי, ניהול ייצור, ניהול לוגיסטיקה ומשלוחים, ניהול משאבי אנוש, מערכות ניטור נתונים
יישומים ניידים לשירותים אלקטרוניים
פלטפורמות מודעות מסווגות, בתי ספר מקוונים, בתי קולנוע מקוונים, פלטפורמות שירות אלקטרוניות, פלטפורמות קאשבק, אירוח וידאו, פורטלים נושאיים, פלטפורמות הזמנות ותזמון מקוונות, פלטפורמות מסחר מקוונות

אלה הם רק חלק מסוגי היישומים הניידים שאנו עובדים איתם, ולכל אחד מהם עשויים להיות מאפיינים ופונקציונליות ספציפיים משלו, המותאמים לצרכים ולמטרות הספציפיות של הלקוח.

השירותים שאנו מציעים
מציג 1 מתוך 1כל 1734 השירותים
מדידת עצמים באמצעות AI מתמונות באפליקציות מובייל
מורכב
~1-2 שבועות

הכישורים שלנו:

שאלות נפוצות

העבודות האחרונות

  • פיתוח אפליקציית מובייל עבור FEEDME
    פיתוח אפליקציית מובייל עבור FEEDME
    971
  • פיתוח אפליקציית מובייל עבור XOOMER
    פיתוח אפליקציית מובייל עבור XOOMER
    869
  • פיתוח אפליקציית מובייל עבור RHL
    פיתוח אפליקציית מובייל עבור RHL
    1289
  • פיתוח אפליקציית מובייל עבור ZIPPY
    פיתוח אפליקציית מובייל עבור ZIPPY
    1143
  • פיתוח אפליקציית מובייל עבור Affhome
    פיתוח אפליקציית מובייל עבור Affhome
    1076
  • פיתוח אפליקציית מובייל עבור חברת FLAVORS
    פיתוח אפליקציית מובייל עבור חברת FLAVORS
    677

לקוח רוצה למדוד אורך של ספה מתמונה אחת — בלי סרט מדידה או ציוד מיוחד. יישמנו תכונה זו באפליקציות מובייל עם דיוק של עד 2% בתנאים מתאימים. הניסיון שלנו: 5+ שנים בפיתוח iOS/Android, 30+ פרויקטים עם AR וראייה ממוחשבת. אנו מציעים פתרון סוהר: מבחירת שיטה (LiDAR, SLAM, או עומק מונוקולרי) ועד אינטגרציה עם השרת שלך. קבלו ייעוץ — נעריך את הפרויקט שלכם תוך יום אחד.

איזו שיטת מדידה לבחור: LiDAR, SLAM, או עומק מונוקולרי?

ARKit/ARCore (LiDAR או SLAM) מדויק אך דורש תמיכת מכשיר. iPhone 12 Pro ומעלה עם LiDAR מספק דיוק של 1–3 ס"מ במרחקים של עד 5 מטרים. ARCore על Android ללא LiDAR גרוע יותר, עם שגיאה של 3–8 ס"מ.

הערכת עומק מונוקולרית עובדת על כל מכשיר ללא LiDAR, תוך שימוש ב-CNN להערכת עומק מפריים בודד. MiDaS, DPT, Depth Anything V2 הם מודלים עדכניים. הדיוק נמוך משמעותית מ-LiDAR אך מספיק למשימות רבות.

שיטה דיוק דרישות מכשיר מורכבות יישום
LiDAR (ARKit/ARCore) 1–3 ס"מ iPhone 12 Pro+, iPad Pro בינונית
SLAM (ARKit/ARCore) 3–8 ס"מ מכשירים עם תמיכת ARKit/ARCore בינונית
עומק מונוקולרי 5–15% כל מכשיר גבוהה (רשת נוירונים)
// iOS: выбор метода в зависимости от возможностей устройства
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 // фолбек на CoreML-модель
    }
}

מה משפיע על דיוק המדידה?

דיוק המדידה תלוי ישירות בתנאי הצילום: תאורה, מרקם פני השטח, מרחק לאובייקט וזווית המצלמה. קירות לבנים ללא מרקם פוגעים במעקב SLAM, ותאורה גבוהה עלולה לגרום לחשיפת יתר. לתוצאות יציבות:

  • משטחים עם מרקם (אובייקטים שחורים ומבריקים קשים יותר לזיהוי)
  • מרחק לאובייקט לא יותר מ-5 מ' עם LiDAR, 3 מ' עם SLAM
  • צמצום אובייקטים דינמיים בפריים
  • מיקוד מצלמה תקין

כיצד אנו מיישמים מדידה באמצעות ARKit

// Измерение расстояния между двумя 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 от экрана в 3D мировое пространство
        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 // position 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)
    }
}

טעות נפוצה היא לא להתחשב בכך ש-// iOS: выбор метода в зависимости от возможностей устройства 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 // фолбек на CoreML-модель } } עובד הכי טוב על משטחים עם מרקם טוב. קיר לבן מייצר מעקב SLAM גרוע, מה שגורם לסמני AR לסטות.

הצגת המדידה ב-AR

func addMeasurementLine(from start: SIMD3<Float>, to end: SIMD3<Float>, distance: String) {
    let midpoint = (start + end) / 2
    // Линия между точками
    let lineNode = SCNNode(geometry: createCylinder(from: start, to: end))
    // Метка с расстоянием в середине
    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()] // всегда лицом к камере
    sceneRoot.addChildNode(lineNode)
    sceneRoot.addChildNode(labelNode)
}

גישת אובייקט ייחוס למדידה מתמונה

ללא AR — יש צורך באובייקט בגודל ידוע בפריים. כרטיס בנק (85.6 × 53.98 מ"מ) הוא ייחוס נוח:

// Android: измерение через reference object
class ReferenceObjectMeasurer {
    fun measureWithCard(bitmap: Bitmap, cardBoundingBox: RectF, objectBoundingBox: RectF): MeasurementResult {
        // Реальные размеры карты
        val cardRealWidth = 85.6f // мм
        val cardRealHeight = 53.98f

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

        // Коррекция на перспективное искажение (упрощённо)
        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 калибровки
        )
    }
}

זיהוי כרטיס בפריים נעשה באמצעות ML Kit Object Detection או מודל YOLOv8 מותאם אישית (קל לאימון על 500 תמונות כרטיס בתנאים שונים).

תהליך: מרעיון ועד השקה

  1. אנליטיקה — לימוד דרישות עסקיות, מכשירי קהל, דיוק נדרש.
  2. עיצוב — בחירת ארכיטקטורה: ARKit/ARCore מקורי או חוצה-פלטפורמות, הגדרת שיטת מדידה (LiDAR/SLAM/עומק מונוקולרי).
  3. יישום — פיתוח MVP עם ממשק משתמש בסיסי (שתי נקודות, קו), אינטגרציה עם CoreML/ML Kit, הגדרת כיול.
  4. בדיקות — אימות דיוק על 10+ מכשירים בתנאי צילום שונים, בדיקות A/B.
  5. השקה — הכנה לשחרור ב-App Store ו-Google Play, תיעוד, TestFlight/Firebase Distribution.
שלב משך
אנליטיקה 1–2 ימים
עיצוב 1–2 ימים
יישום MVP 3–5 ימים (פלטפורמה אחת)
פתרון מלא (iOS+Android) 1–2 שבועות
בדיקות והשקה 3–5 ימים

מה כלול בעבודה

  • תיעוד ארכיטקטוני ותיאור API
  • אינטגרציה עם ה-CRM/השרת שלך באמצעות REST או GraphQL
  • הכשרת הצוות שלך לשימוש בתכונה
  • 3 חודשי תמיכה טכנית
  • גישה לקוד המקור (עם זכויות שינוי)
  • אישורים מ-Apple ו-Google (אם נדרש)

אנחנו מפתחים מוסמכים של Apple ו-Google. אנו מבטיחים דיוק מדידה בהתאם להנחיות סקירת ה-App Store (סעיף 4.2/5.1). במשך 5 שנים, סיפקנו 30+ פרויקטים במסחר אלקטרוני, בנייה ובריאות.

טעויות יישום נפוצות
  • התעלמות מתמיכת מכשירים ללא LiDAR — משתמשים מקבלים אפס דיוק.
  • חוסר כיול עיוות פרספקטיבה בעת שימוש באובייקטי ייחוס.
  • שימוש במודלי עומק סטנדרטיים ללא כוונון עדין לדומיין.
  • אי עמידה בהנחיות הרכישות בתוך האפליקציה של Apple (אם התכונה בתשלום) — StoreKit 2.

העריכו את הפרויקט שלכם — כתבו לנו. קבלו ייעוץ על בחירת שיטה ולוח זמנים ליישום.

מאמר זה מתייחס להערכת עומק מונוקולרית ולתיעוד Apple ARKit.