Skip to main content

ویکی جامع واقعیت افزوده (AR) — برای تازه‌کارها

توضیح: این سند یک مرجع آموزشی و عملی است برای کسانی که می‌خواهند از صفر وارد دنیای واقعیت افزوده شوند. ساختار بر پایهٔ ۲۸ بخش تنظیم شده و شامل مفاهیم، راه‌اندازی، نمونه‌کدها، روش‌های چیدمان و نکات عملی است. پروژه‌ یا نمونهٔ شما فقط به‌عنوان مثال در بخش‌های مرتبط اشاره می‌شود؛ تمرکز اصلی بر آموزش عمومی است.

فهرست (Contents)​

  1. مقدمه و تعاریف
  2. تاریخچه مختصر و مسیر توسعه
  3. تفاوت AR، VR و MR
  4. انواع روش‌های AR
  5. موارد استفاده (Use Cases)
  6. پیش‌نیازها و مهارت‌های لازم
  7. سخت‌افزارها و سنسورها
  8. نرم‌افزارها، موتور‌ها و کتابخانه‌ها
  9. مفاهیم پایه فنی
  10. معماری یک اپلیکیشن AR
  11. راه‌اندازی محیط توسعه: Unity + AR Foundation (گام‌به‌گام)
  12. نمونه‌کدها و الگوهای طراحی (C# برای Unity)
  13. مدیریت محتوا و مدل‌های سه‌بعدی
  14. طراحی تجربه کاربری (UX) برای AR
  15. الگوریتم‌های مکان‌یابی و نقشه‌برداری (SLAM و موارد مرتبط)
  16. تشخیص سطوح (Plane Detection)، لنگرها (Anchors) و Raycasting
  17. اوکلوژن (Occlusion) و برآورد نور (Light Estimation)
  18. کار با LiDAR و داده‌های عمق (Depth)
  19. بهینه‌سازی عملکرد و ملاحظات حافظه
  20. تست، دیباگ و مستندسازی
  21. انتشار، مجوزها و تنظیمات پلتفرم
  22. حریم شخصی، اخلاق و مسائل حقوقی
  23. مثال‌های عملی و راهنمای پیاده‌سازی (workflows)
  24. قالب‌های داده (JSON) و نمونه‌ها
  25. Planogram & Layout: رویکردها برای چیدمان
  26. مشکلات رایج و جعبه‌ابزار رفع اشکال
  27. منابع جامع و کتاب‌شناسی
  28. واژه‌نامه (Glossary)

1) مقدمه و تعاریف

واقعیت افزوده (Augmented Reality — AR) تکنولوژی‌ای است که عناصر دیجیتال را روی دنیای واقعی می‌نشاند به‌گونه‌ای که کاربر همزمان محیط واقعی و دادهٔ دیجیتال را مشاهده و با آن تعامل کند. این عناصر می‌توانند متن، تصویر ۲D، مدل سه‌بعدی، صوت یا حتی اطلاعات حسگری باشند.

هدف این ویکی: آموزش گام‌به‌گام برای تازه‌کارها، بدون پیش‌نیاز بالا؛ پوشش مفاهیم فنی، ابزارها، روش‌ها، نمونه‌کد و نکات عملی. پروژه‌ها می‌توانند آموزشی، تجاری یا پژوهشی باشند؛ مثال‌ها عمومی‌اند تا هر کاربر بتواند آن‌ها را برای نیاز خود تطبیق دهد.

نکته برای ارائه: هرگاه در دفاع یا گزارش به AR اشاره می‌کنید، یک تعریف کوتاه و یک مثال کاربردی داخلِ یک پاراگراف کافی است.

2) تاریخچه مختصر و مسیر توسعه

  • دههٔ 1960: ابتدای تحقیقات تصویری و اولین هدست‌ها (Ivan Sutherland).
  • دههٔ 1990: توسعهٔ الگوریتم‌های اولیه ردیابی و SLAM در دانشگاه‌ها.
  • اوایل دههٔ 2000: سیستم‌های MAR (Marker-based AR) و اپلیکیشن‌های آزمایشی.
  • 2010s: ظهور گوشی‌های هوشمند؛ Google Glass؛ از 2017 به بعد ARKit و ARCore که AR موبایل را متحول کردند.
  • 2020s: LiDAR و Depth API، گسترش WebAR و پلتفرم‌های تجاری.

نتیجه‌گیری: هر گام پیشرفت سخت‌افزار (دوربین، سنسورها، پردازنده‌ها) یا الگوریتم (SLAM، بینایی ماشین) قابلیت‌های عملی‌تر و کاربردی‌تری را فراهم کرده است.

3) تفاوت AR، VR و MR

AR — افزودن لایه‌های دیجیتال روی دنیای واقعی.
VR — جایگزینی کامل دنیای واقعی با دنیای مجازی (غوطه‌وری).
MR (Mixed Reality) — سطحی بالاتر از AR که تعاملات پیچیده‌تر بین اجسام واقعی و مجازی را ممکن می‌سازد (مثلاً فیزیک مشترک، occlusion دقیق).

مثال کاربردی: برای یک اپ آموزش چیدمان فروشگاه، AR مناسب است (نمایش قفسه و مسیر مشتری). اگر بخواهید شبیه‌سازی کامل یک انبار را بدون محیط واقعی داشته باشید، VR مناسب‌تر است.

4) انواع روش‌های AR

  • Marker-based AR: نیاز به مارکر یا تصویر مرجع؛ پیاده‌سازی ساده و پایدار در شرایط استاندارد.
  • Markerless (SLAM-based) AR: بدون مارکر، با استفاده از ویژگی‌های محیط و SLAM؛ مناسب برای موبایل و طراحی داخلی.
  • Image/Model Target: شناسایی تصویر یا مدل مشخص (مانند بستهٔ محصول) و نمایش محتوا.
  • Location-based AR: استفاده از GPS/Compass برای تجربه‌های محیط باز و گردشگری.
  • Projection-based AR: پروجکت‌کردن محتوا روی سطوح فیزیکی (نمایشگاه‌ها، موزه).

راهنما: برای اپ‌های فروشگاهی داخلی، معمولاً Markerless + Plane Detection بهترین ترکیب است.

5) موارد استفاده (Use Cases)

صنعتی و آموزشی: آموزش تعمیر، دستورالعمل‌های کاری، جعبه ابزار مجازی.
خرده‌فروشی: نمایش مجازی قفسه‌ها، تجربهٔ try-before-you-buy، هدایت مشتری داخل فروشگاه.
پزشکی: آموزش آناتومی، کمک در جراحی.
معماری/دیزاین: مشاهدهٔ مدل‌های ۳D روی سایت واقعی.
سرگرمی/تبلیغات: بازی‌ها، کمپین‌های تبلیغاتی تعاملی.

نکته: هر Use Case نیازمند بررسی دقیق از جهت حریم خصوصی، دقت مورد نیاز و سخت‌افزار هدف است.

6) پیش‌نیازها و مهارت‌های لازم

  • برنامه‌نویسی: C# (Unity)، Swift (iOS native)، Kotlin/Java (Android native).
  • مدل‌سازی سه‌بعدی: Blender، شناخت LOD، UV mapping، تکسچرینگ.
  • ریاضیات پایهٔ ۳D: بردار، ماتریس، کواترنیون، تبدیل‌ها (transform).
  • بینایی ماشین پایه: فیچرها، توصیفگرها (ORB/SIFT)، مفاهیم SLAM.
  • مهارت‌های UX/UI: طراحی تجربهٔ AR و ارائهٔ onboarding.
  • مدیریت پروژه/نسخه‌بندی: Git و مستندسازی.

چک‌لیست شروع: نصب Unity LTS، نصب Blender (یا استفاده از مدل‌های آماده)، آشنایی با مفاهیم ترانسفورم.

7) سخت‌افزارها و سنسورها

7.1 موبایل و تبلت​

  • دوربین RGB، IMU (ژیروسکوپ/شتاب‌سنج)، گاهی ToF/Depth sensor.
  • پشتیبانی توسط ARCore (Android) و ARKit (iOS).

7.2 هدست‌ها و نمایشگرها​

  • Microsoft HoloLens, Magic Leap — مناسب صنعت و آموزش.
  • هدست‌های VR با passthrough برای برخی سناریوها.

7.3 LiDAR و Depth sensors​

  • عمق‌نگاری دقیق، اوکلوژن بهتر، نقشه‌برداری سریع‌تر.
  • توجه: فقط در برخی مدل‌های پیشرفته موجود است.

7.4 تجهیزات جانبی​

  • مارکرها، کنترلرها، پروژکتورها.

نکته عملی: اگر برنامهٔ شما به دقت بالای ابعاد نیاز دارد (مثلاً نقشه‌برداری فروشگاه)، بهتر است حداقل برای تست یک دستگاه مجهز به LiDAR یا Depth API داشته باشید.

8) نرم‌افزارها، موتور‌ها و کتابخانه‌ها

8.1 Unity + AR Foundation (توصیه اصلی)​

  • قابلیت کراس-پلتفرم؛ پشتیبانی ARKit/ARCore؛ توسعهٔ سریع با C#.

8.2 Unreal Engine​

  • مناسب پروژه‌های با نیاز گرافیکی بالا؛ Blueprints برای توسعهٔ سریع بدون کدنویسی سنگین.

8.3 SDKهای تخصصی​

  • Vuforia (Image/Model Targets), Wikitude, 8th Wall (WebAR).

8.4 ابزارهای طراحی​

  • Blender, Substance Painter, Sketchfab برای مدل و متریال.

راهنمای انتخاب: برای بیشتر پروژه‌های آموزشی/تجاری کوچک و متوسط، Unity + AR Foundation بهترین ترکیب از سرعت توسعه و پشتیبانی را ارائه می‌دهد.

9) مفاهیم پایه فنی

  • Tracking: Pose estimation (موقعیت و چرخش دوربین).
  • SLAM: هم‌زمان‌سازی Localization و Mapping.
  • Coordinate spaces: World, Local, Camera spaces — دقت در تبدیل‌ها (right-handed vs left-handed).
  • Anchors: نقاط ثابت برای قرارگیری مدل.
  • Raycasting: تعیین برخورد لمس یا پرتو با سطوح.
  • Feature points & point cloud: نقاطی که SLAM برای نگاشت استفاده می‌کند.

پیشنهاد عملی: همیشه هنگام محاسبهٔ فاصله یا زاویه بین آبجکت‌ها، تبدیل مختصات را بررسی کنید تا اشتباهات محور ایجاد نشود.

10) معماری یک اپلیکیشن AR

یک معماری ساده و قابل توسعه معمولاً شامل لایه‌های زیر است:

  • Presentation / UI Layer: UI شناور، منوها، راهنماها.
  • AR Engine Layer: تعامل با AR Foundation / ARKit / ARCore.
  • Content Layer: مدل‌ها، تکسچرها، داده‌های Planogram.
  • Data & Persistence Layer: ذخیرهٔ نقشه، JSON، دیتاهای کاربر.
  • Business Logic: الگوریتم‌های چیدمان، قوانین فروشگاهی.

نمودار جریان ساده:

Camera -> AR Engine (Tracking, Planes) -> Mapping Module -> Layout Engine -> Renderer/UI

نکته: منطق چیدمان (Layout Engine) باید مستقل از رابط AR نوشته شود تا قابلیت تست و اجرای آفلاین را داشته باشد.

11) راه‌اندازی محیط توسعه: Unity + AR Foundation (گام‌به‌گام)

پیش‌نیاز: Unity Hub، نسخهٔ LTS Unity (مثلاً 2022.x یا 2023.x بسته به سازگاری)، ماژول‌های Android/iOS.

مراحل سریع​

  1. نصب Unity از Unity Hub با ماژول‌های Android/iOS support.
  2. ایجاد پروژه جدید (3D یا URP).
  3. Window → Package Manager → نصب AR Foundation، ARCore XR Plugin، ARKit XR Plugin.
  4. تنظیم: Edit → Project Settings → XR Plug-in Management → فعال کردن ARCore/ARKit.
  5. در صحنه: اضافه کردن AR Session و AR Session Origin، افزودن AR Camera و AR Plane Manager، ARRaycastManager.
  6. اضافه‌کردن Prefab برای نمایش Planeها و Markerهای بصری.
  7. Build Settings → انتخاب پلتفرم → Build and Run روی دستگاه.

نکات عملی​

  • برای iOS نیاز به Mac و Xcode است.
  • تست اولیه در Editor محدود است؛ تست نهایی حتماً روی دستگاه واقعی انجام شود.

12) نمونه‌کدها و الگوهای طراحی (C# برای Unity)

12.1 Tap to Place (Raycast و Instantiate)​

using UnityEngine;
using UnityEngine.XR.ARFoundation;
using UnityEngine.XR.ARSubsystems;
using System.Collections.Generic;

public class TapToPlace : MonoBehaviour
{
    public ARRaycastManager raycastManager;
    public GameObject prefab;
    static List<ARRaycastHit> hits = new List<ARRaycastHit>();

    void Update()
    {
        if (Input.touchCount == 0) return;
        var touch = Input.GetTouch(0);
        if (touch.phase != TouchPhase.Began) return;

        if (raycastManager.Raycast(touch.position, hits, TrackableType.Planes))
        {
            var hitPose = hits[0].pose;
            Instantiate(prefab, hitPose.position, hitPose.rotation);
        }
    }
}

12.2 Attach to Anchor (پایداری بیشتر)​

using UnityEngine;
using UnityEngine.XR.ARFoundation;

public class AnchorPlacer : MonoBehaviour
{
    public ARAnchorManager anchorManager;

    public GameObject markerPrefab;

    public void PlaceAnchor(UnityEngine.Pose pose)
    {
        var anchor = anchorManager.AddAnchor(pose);
        if (anchor != null)
        {
            Instantiate(markerPrefab, anchor.transform.position, anchor.transform.rotation, anchor.transform);
        }
    }
}

12.3 اندازه‌گیری فاصله بین دو نقطه (متر)​

float DistanceMeters(Transform a, Transform b)
{
    return Vector3.Distance(a.position, b.position);
}

🔧 الگو: بخش‌های AR و Layout Engine را از هم جدا نگه دارید؛ برای تست الگوریتمی Layout از شبیه‌سازی دوبعدیِ ساده استفاده کنید (بدون نیاز به AR).

13) مدیریت محتوا و مدل‌های سه‌بعدی

  • فرمت‌ها: glTF/glb (سبک)، FBX (پشتیبانی Unity)، OBJ (ساده).
  • بهینه‌سازی: LOD (Level of Detail)، Texture atlases، baking نور برای صحنه‌های ثابت.
  • روال واردسازی: مدل → تنظیم Scale → ایجاد Prefab → تنظیم Collider/Material → اضافه به Addressables (برای بارگذاری دینامیک).

نکته عملی: برای موبایل از glTF یا FBX بهینه‌شده با سایز تکسچر ≤ 2048px استفاده کنید و تکسچرهای غیرقابل‌نیاز را پاک کنید.

14) طراحی تجربه کاربری (UX) برای AR

اصول UX در AR​

  • راهنمایی کاربر در اسکن محیط: متن کوتاه + انیمیشن نشانگر (از کاربر بخواهید دستگاه را حرکت دهد).
  • بازخورد فوری: نشانگر لبهٔ Plane، پیش‌نمایش مدل قبل از قرارگیری.
  • کنترل ساده: یک یا دو انگشت برای تعامل (Pinch برای زوم، Rotate gesture برای چرخش).
  • اطلاعات کم اما مفید: پنل‌‌های شناور مختصر، دکمه‌های مشخص.

مثال Onboarding​

  1. پیام: «دوربین را آهسته حرکت دهید تا محیط شناسایی شود.»
  2. نمایش گام‌به‌گام: حرکت دوربین، تایید Plane، انتخاب Prefab.
  3. نکتهٔ مصرف باتری و راهنمای خروج از اسکن.

قابلیت دسترسی: رنگ‌ها و فونت‌ها را برای افراد کم‌بینا در نظر بگیرید؛ کنترل‌های صوتی یا بزرگنمایی برای تعامل بهتر.

15) الگوریتم‌های مکان‌یابی و نقشه‌برداری (SLAM و موارد مرتبط)

SLAM انواع و نکات​

  • Visual SLAM: فقط با دوربین RGB روی نقاط فیچر کار می‌کند.
  • Visual-Inertial SLAM (VIO): ترکیب دادهٔ دوربین و IMU برای استحکام بیشتر.
  • LiDAR SLAM: استفاده از داده‌های عمق برای نقشه‌برداری دقیق‌تر.

مشکلات رایج SLAM​

  • Drift (انحراف): خطای تجمعی در موقعیت نسبت به زمان. راهکار: loop closure و keyframe management.
  • Feature-poor environments: دیوار سفید یا سطوح یکنواخت باعث افت عملکرد می‌شود — استفاده از markers یا texture اضافه.

پیشنهاد: برای محیط‌های داخلی فروشگاهی، ترکیب VIO با برخی Anchorهای دستی بهترین عملکرد را می‌دهد.

16) تشخیص سطوح (Plane Detection)، لنگرها (Anchors) و Raycasting

Plane Detection​

  • افقی (Horizontal): کف، میز
  • عمودی (Vertical): دیوار، کابینت

تنظیمات مهم: حداقل اندازهٔ plane برای ثبت، نمایش Debug gizmos برای کاربر.

Anchors​

  • Anchorها برای پایداری مدل‌ها استفاده می‌شوند؛ اضافه‌شدن anchor به ARSubsystem باعث حفظ موقعیت منطبق بر دنیای واقعی می‌شود.

Raycasting​

  • Raycast روی screen-space برای تشخیص لمس؛ Raycast روی physics برای برخوردهای فیزیکی.

نکته: همواره تعداد Anchorها را مدیریت کنید (پاک‌سازی Anchorهای بلااستفاده) تا حافظه و عملکرد حفظ شود.

17) اوکلوژن (Occlusion) و برآورد نور (Light Estimation)

Occlusion​

  • هدف: طبیعی‌تر کردن صحنه با پنهان‌کردن بخش‌هایی از مدل که باید پشت اجسام واقعی قرار گیرند.
  • روش‌ها:
    • استفاده از Depth API / LiDAR برای عمق واقعی
    • ساخت مش هندسی تقریباً مشابه از محیط برای اوکلوژن (در دستگاه‌های بدون LiDAR)

Light Estimation​

  • APIهای ARKit/ARCore داده‌هایی نظیر ambient intensity و color temperature ارائه می‌دهند.
  • استفاده: تنظیم متریال، ambient light، و سایه‌ها برای همخوانی با محیط.

نکته عملی: اوکلوژن نرم‌افزاری نیاز به trade-off بین کیفیت و عملکرد دارد؛ برای موبایل معمولاً از ماسک‌های عمق با رزولوشن پایین استفاده می‌شود.

18) کار با LiDAR و داده‌های عمق (Depth)

  • LiDAR و ToF دادهٔ عمق دقیق ارائه می‌دهند که برای اوکلوژن، اندازه‌گیری و اسکن دقیق محیط بسیار مفید است.
  • روال: گرفتن point cloud → فیلتر نوفه‌ها → تولید mesh یا voxel grid → استفاده برای collision/occlusion و اندازه‌گیری.
  • محدودیت: همه دستگاه‌ها LiDAR ندارند؛ اپ باید graceful degradation داشته باشد (fallback به SLAM).

مثال: با LiDAR می‌توانید یک پلان دقیق از فروشگاه تولید کنید و Planogram را با دقت بالا اعمال کنید.

19) بهینه‌سازی عملکرد و ملاحظات حافظه

تکنیک‌ها​

  • LOD (Level of Detail): چند نسخهٔ مدل با جزییات مختلف بارگذاری بر اساس فاصله.
  • Texture Atlasing: ادغام تکسچرها برای کاهش draw calls.
  • Baking نور: برای صحنه‌های ایستا استفاده کنید تا رندر سبک شود.
  • Batching و instancing: برای اشیاء تکرارشونده (قفسه‌ها).
  • حداقل‌سازی GC allocations: در Update loop از ساختن آبجکت‌های موقت پرهیز کنید.

ابزارها​

  • Unity Profiler، Xcode Instruments، adb systrace.

چک‌لیست بهینه‌سازی قبل از بیلد: کاهش پلی‌گان‌ها، اندازهٔ تکسچرها، غیر فعال‌سازی لایتینگ گران‌قیمت، بررسی memory snapshots.

20) تست، دیباگ و مستندسازی

تست​

  • تست روی حداقل 3–4 دستگاه با مشخصات متفاوت.
  • تست تحت نور کم، نور قوی، سطوح بازتابی، حضور افراد.

دیباگ​

  • Android: adb logcat
  • iOS: Xcode Console, Instruments
  • Unity: Remote device, Profiler, Development Build + Script Debugging

مستندسازی​

  • نگهداری changelog، تست کیس‌ها، نمونهٔ JSONهای اسکن، عکس/ویدیوهای قبل/بعد از پیاده‌سازی.

نکته عملی: همیشه یک سناریو تست (Test Plan) بنویسید که موارد edge-case را شامل شود (درها بسته/باز، قفسه‌های شیشه‌ای، افراد در حال حرکت).

21) انتشار، مجوزها و تنظیمات پلتفرم

Android​

  • minSdk و targetSdk مناسب، اضافه‌کردن permissionها (Camera).
  • بررسی پشتیبانی ARCore برای مدل‌های هدف.

iOS​

  • اضافه کردن NSCameraUsageDescription و توضیح استفاده (Info.plist).
  • ساخت با Xcode و code signing.

WebAR​

  • 8th Wall, model-viewer، محدودیت‌های cross-browser.

فروش و توزیع​

  • Beta testing (TestFlight, Internal testing)، بررسی crash reports، تحویل نسخهٔ release.

22) حریم شخصی، اخلاق و مسائل حقوقی

  • مجوزها: همیشه از کاربر اجازهٔ استفاده از دوربین را بگیرید و توضیح دهید داده‌ها چگونه استفاده و ذخیره می‌شوند.
  • حفظ داده‌ها: ویدیو/عکس‌های ضبط‌شده را فقط در صورت نیاز ذخیره کنید و حتماً مکانیزم حذف و مدیریت داشته باشید.
  • ملاحظات اخلاقی: جلوگیری از دنبال‌کردن ناخواسته افراد، عدم جمع‌آوری دادهٔ حساس، شفاف‌سازی اهداف جمع‌آوری داده.
  • قوانین محلی: GDPR، CCPA یا قوانین محلی مربوطه را بررسی کنید.

قالب متن اجازهٔ دسترسی (نمونه):

این اپ از دوربین برای اسکن محیط استفاده می‌کند. ویدیو یا عکس‌ها به‌صورت محلی ذخیره می‌شوند و بدون اجازهٔ صریح شما به سرور ارسال نمی‌شوند.

23) مثال‌های عملی و راهنمای پیاده‌سازی (workflows)

Workflow A — اسکن سریع فضا و ایجاد نقشهٔ ساده​

  1. کاربر وارد حالت اسکن می‌شود و دوربین را آهسته حرکت می‌دهد.
  2. ARPlaneManager سطوح را ثبت می‌کند.
  3. کاربر گوشه‌ها/نقاط مرجع را تایید می‌کند (در صورت نیاز).
  4. سیستم floor polygon را محاسبه می‌کند و خروجی JSON می‌سازد.

Workflow B — قرار دادن قفسه پارامتریک و اختصاص دسته‌ها​

  1. انتخاب prefab قفسه با پارامترهای width/depth/height.
  2. snap کردن به نرمال دیوار یا anchor.
  3. اجرای الگوریتم چیدمان ساده (greedy) برای چینش و بررسی فاصله راهرو.
  4. نمایش AR سه‌بعدی و امکان تایید/ویرایش دست کاربر.

نکته: Workflows را به بلوک‌های مستقل تقسیم کنید تا تست و توسعه آسان‌تر باشد.

24) قالب‌های داده (JSON) و نمونه‌ها

نمونه JSON نقشهٔ فروشگاه​

{
  "storeId": "store_001",
  "units": "meters",
  "floorPolygon": [
    [0, 0],
    [6.2, 0],
    [6.2, 4.1],
    [0, 4.1]
  ],
  "walls": [
    { "from": 0, "to": 1 },
    { "from": 1, "to": 2 }
  ],
  "columns": [{ "id": "col_1", "center": [2.1, 1.7], "radius": 0.15 }],
  "shelves": [
    { "id": "s1", "pos": [1.0, 0.5], "rot": 90, "w": 1.2, "d": 0.4, "h": 2.0 }
  ]
}

قالب ذخیرهٔ نتیجهٔ Layout​

{
  "layoutId":"layout_20250814",
  "shelves":[{"id":"s1","pos":[x,y,z],"rotation":0,"category":"snacks","priority":1}],
  "metrics":{"avgCustomerDistance":3.2,"aisleWidthMin":1.0}
}

توصیه: همیشه نسخهٔ اصلی (raw) و نسخهٔ human-readable را ذخیره کنید (برای Debug و Log).

25) Planogram & Layout: رویکردها برای چیدمان

مفاهیم پایه​

  • Planogram: نقشهٔ تصویری جای‌گذاری کالاها روی قفسه.
  • اهداف: حداکثرسازی دیده‌شدن کالا، دسترسی مشتری، افزایش cross-selling.

قوانین ساده برای فروشگاه کوچک​

  • حداقل عرض راهرو: 0.9 متر
  • ارتفاع دید چشم: 1.2–1.6 متر برای اقلام پرفروش
  • اقلام سنگین پایین قفسه قرار گیرند

الگوریتم پیشنهادی (Greedy با قیود)​

Input: floorPolygon, shelvesList, categories with priority
1. identify usable walls and free floor area
2. sort shelves by width desc
3. for each shelf: try place along wall respecting aisleWidthConstraint
4. place island shelves in center ensuring circulation
5. assign categories per priority and evaluate metrics
Output: placement list + metrics

نکته: این الگوریتم پایه است؛ برای بهینه‌سازی واقعی می‌توان از metaheuristics یا ILP/QAP استفاده کرد.

26) مشکلات رایج و جعبه‌ابزار رفع اشکال

مشکل: Plane پیدا نمی‌شود​

  • علت: نور کم، سطح ساده یا بازتابی
  • رفع: افزودن texture/marker یا راهنمایی کاربر برای حرکت بیشتر

مشکل: اشیاء می‌لرزند​

  • علت: drift یا anchor ضعیف
  • رفع: استفاده از ARAnchorManager، اضافه کردن keyframeهای محلی

مشکل: مقیاس اشتباه​

  • علت: واحدهای متفاوت (cm vs m) یا مدل غیرکالیبره
  • رفع: ایجاد مرجع اندازه واحد در محیط (مثلاً A4 یا 30cm object)

ابزارهای رفع اشکال​

  • Visual debugging: نمایش point cloud و feature points
  • Logging: timestamped logs، snapshotهای JSON اسکن
  • Recovery: امکان Reset session و Re-scan محدوده کوچک

27) منابع جامع و کتاب‌شناسی

  • Unity AR Foundation docs — Unity Documentation
  • ARCore developer guide — Google
  • ARKit developer docs — Apple
  • کتاب: Augmented Reality for Developers (چند مرجع مشهور)
  • مقالات پایه در حوزه SLAM و Visual-Inertial Odometry (VIO) — جستجو در IEEE/ACM و arXiv

28) واژه‌نامه (Glossary)

  • AR: Augmented Reality — واقعیت افزوده
  • VR: Virtual Reality — واقعیت مجازی
  • MR: Mixed Reality — واقعیت ترکیبی
  • SLAM: Simultaneous Localization And Mapping
  • Anchor: نقطهٔ مرجع برای مدل‌ها
  • Plane: سطح شناخته‌شده (floor/wall)
  • Raycast: ارسال پرتو برای تشخیص برخورد
  • LOD: Level of Detail
  • Occlusion: پنهان‌سازی مدل پشت اشیاء واقعی
  • LiDAR: Light Detection And Ranging — سنسور عمق