מדריך ליצירת תכונת ניסיון רהיטים ב-AR

ב-iOS, זה ARKit + ARPlaneDetection.horizontal. ARKit 4+ מזהה משטח תוך 1–3 שניות על רצפות בעלות מרקם טוב. הבעיה מתעוררת עם משטחים אחידים: שטיח לבן, פרקט כהה ללא דוגמה — הזיהוי אורך זמן רב יותר או נכשל לחלוטין.

let config = ARWorldTrackingConfiguration()
config.planeDetection = [.horizontal]
config.environmentTexturing = .automatic // для реалистичного отражения материалов
sceneView.session.run(config, options: [.resetTracking, .removeExistingAnchors])

// Delegate
func renderer(_ renderer: SCNSceneRenderer, didAdd node: SCNNode, for anchor: ARAnchor) {
    guard let planeAnchor = anchor as? ARPlaneAnchor, planeAnchor.alignment == .horizontal else { return }
    DispatchQueue.main.async {
        self.placeFurnitureNode(on: planeAnchor, parentNode: node)
    }
}

באנדרואיד — ARCore let config = ARWorldTrackingConfiguration() config.planeDetection = [.horizontal] config.environmentTexturing = .automatic // для реалистичного отражения материалов sceneView.session.run(config, options: [.resetTracking, .removeExistingAnchors]) // Delegate func renderer(_ renderer: SCNSceneRenderer, didAdd node: SCNNode, for anchor: ARAnchor) { guard let planeAnchor = anchor as? ARPlaneAnchor, planeAnchor.alignment == .horizontal else { return } DispatchQueue.main.async { self.placeFurnitureNode(on: planeAnchor, parentNode: node) } } . ההיגיון דומה, אך הזיהוי פחות יציב עקב פיצול חומרה: Qualcomm Snapdragon עובד היטב, מכשירי MediaTek בטווח הביניים מציגים לעיתים קרובות רעידות משטח. היישום המאופטימציה שלנו של ARKit יציב פי 1.5 מ-ARCore הסטנדרטי על משטחים אחידים.

מדוע רהיטים נראים פלסטיים? ואיך לתקן זאת?

הגורם העיקרי למראה לא ריאליסטי הוא חוסר התאמה בין תאורת אובייקט ה-AR לסביבה האמיתית. ARKit מטפל בכך עם Plane.Type.HORIZONTAL_UPWARD_FACING: המערכת בונה מפת סביבה מהמצלמה ומשתמשת בה לתאורה מבוססת תמונה (IBL) על חומרי PBR.

ב-RealityKit זה עובד אוטומטית. ב-SceneKit צריך להעביר את מפת הסביבה במפורש:

sceneView.scene.lightingEnvironment.contents = sceneView.session.currentFrame?.capturedImage
sceneView.scene.lightingEnvironment.intensity = 1.0

להגדרה מתקדמת, אנו משתמשים ב-environmentTexturing = .automatic — ARKit מעריך את כיוון מקור האור הראשי. צללים מרהיטים נופלים באותו כיוון כמו צללים של אובייקטים אמיתיים, מה שהופך את הניסיון למשכנע.

מודלי רהיטים תלת-ממדיים: פורמטים ואופטימיזציה

מודלי רהיטים תלת-ממדיים מקטלוג מגיעים בדרך כלל בפורמט OBJ או FBX עם עשרות אלפי פוליגונים ומרקמי 4K. עבור AR במובייל, זה לא מקובל — העיבוד יפיל פריימים במכשירים ישנים יותר.

אופטימיזציה ל-AR במובייל:

ב-iOS, הפורמט המקורי הוא USDZ, המעובד דרך sceneView.scene.lightingEnvironment.contents = sceneView.session.currentFrame?.capturedImage sceneView.scene.lightingEnvironment.intensity = 1.0 או ARDirectionalLightEstimate. באנדרואיד, זה glTF 2.0, המעובד דרך Filament (המשמש ב-Sceneform ו-ARCore) או רנדרר OpenGL/Vulkan מותאם אישית.

מחוות: הזזה, סיבוב, שינוי גודל

משתמשים צריכים להזיז רהיטים על הרצפה, לסובב ולשנות גודל. סט מחוות סטנדרטי:

• מחוות גרירה — תנועה: הקרנת קרן מנקודת מגע אל ARPlane, הזזת הצומת לנקודת החיתוך
• מחוות סיבוב (שתי אצבעות) — סיבוב סביב הציר האנכי
• מחוות צביטה — שינוי גודל, עם מגבלות טווח (0.5x–2.0x מהגודל האמיתי)

@objc func handlePan(_ gesture: UIPanGestureRecognizer) {
    let location = gesture.location(in: sceneView)
    // Ray cast на ARPlane, не на весь мир
    let results = sceneView.raycastQuery(from: location, allowing: .existingPlaneGeometry, alignment: .horizontal)
        .flatMap { sceneView.session.raycast($0) }
    if let result = results.first {
        furnitureNode.simdWorldPosition = result.worldTransform.columns.3.xyz
    }
}

כיצד פועלת בחירת רהיטים מונחית בינה מלאכותית?

"AI" בשם השירות שלנו מתייחס למערכת המלצות: האפליקציה מנתחת את פלטת הצבעים של החדר דרך RealityKit ומציעה רהיטים התואמים סגנונית. טכנית, אנו מבצעים קיבוץ של צבעים דומיננטיים דרך SceneKit או API מוכן (Google Vision Dominant Colors), ולאחר מכן מתאימים למאפייני הצבע בקטלוג.

אפשרות מתקדמת יותר היא מודל CoreML המסווג סגנון פנים (סקנדינבי, לופט, קלאסי) ומסנן את הקטלוג בהתאם. התאמת הצבעים שלנו מבוססת AI מהירה פי 3 מבחירה ידנית, ומצמצמת את זמן ההחלטה מדקות לשניות. זה הופך אותה לאידיאלית עבור יישומי עיצוב פנים.

השוואת פלטפורמות: iOS לעומת אנדרואיד לניסיון AR

מה כלול

• ביקורת קטלוג: פורמטי מודלים, מספר SKU, צרכי אופטימיזציה של גיאומטריה ומרקמים.
• יישום שכבת AR: זיהוי משטחים, מיקום מודלים, בקרות מחוות.
• הגדרת תאורה וצללים למראה ריאליסטי.
• אינטגרציית קטלוג: טעינת מודלים ברשת או טעינה מוקדמת של סט פריטים פופולריים.
• אופציונלי: התאמת צבעים מבוססת AI לפי פלטת הפנים.
• תיעוד אינטגרציה ובדיקות.
• תמיכה לאחר השקה (חודש אחד).

תהליך

1. אנליטיקה וביקורת קטלוג.
2. עיצוב סצנת AR וממשק משתמש.
3. יישום זיהוי ומיקום.
4. אינטגרציה ואופטימיזציה של מודלים תלת-ממדיים.
5. הגדרת תאורה וצללים.
6. בדיקות מכשירים.
7. פריסה בחנות האפליקציות.

הערכות זמנים

ניסיון AR בסיסי ל-iOS עם מודלי USDZ מוכנים — החל משבוע אחד. יישום חוצה פלטפורמות עם אופטימיזציית קטלוג, בקרות מחוות והתאמת צבעים — בין 2 ל-4 שבועות. העלות מחושבת באופן אישי לאחר הערכת הפרויקט. קבלו הערכת זמנים ועלות על ידי יצירת קשר איתנו.