买家电可以这样选 —— “AR-GO“

1. 背景

目前家电和家具的购买方式主要分为两种：线下实体店用户参考实物后选择合适的家电购买、线上购买。随着线上购物的普及，越来越多的用户选择线上购买家电/家具。无论线上还是线下，购买大件家电/家具都伴随很多购物体验上的痛点。

痛点

1. 用户只能通过想象家电在房间内摆放效果，需要反复确认尺寸、安装位置

2. 网购只能靠图，购买后和想象的风格、材质、细节存在较大偏差，需要去实体店才放心

3. 购买后不满意，退换货不方便

为解决用户购物体验的痛点，我们提出了 AR-GO 方案。

2. 方案介绍

AR-GO

AR-GO 使用 AR（增强现实技术 Augmented Reality ）技术将家电/家具等比例还原并投放到地面、墙面、桌面等，用户通过手机在家即可全视角查看家电/家具与真实环境的结合效果。

功能演示

以冰箱、洗衣机为例展示功能。

冰箱场景1

冰箱场景2

洗衣机场景

主要功能

（1） 位置识别/模型加载

AR + SLAM（同步定位和地图绘制）技术自动识别空间中的平面和垂直面，并将家电 3D 模型加载投放到目标位置。无需安装即可查看不同家电在真实环境的摆放效果。

（2）手势交互/相机跟随

通过添加手势交互改变 3D 模型的矩阵坐标实现虚拟家电的平移、缩放、旋转。用户可以在任意空间中任意调整虚拟家电摆放位置。

（3）高精度还原家电

高精度还原家电的3D 模型，内部构造清晰可见、材质质感逼真。计算 3D 模型真实环境的尺寸并添加标注，显示长宽高，避免因为尺寸不合适退换货的情况。更加直观的了解家电大小、样式、在用户家中的效果。

（4）3D 查看/社交功能

增加拍照、录像功能分享给家人和好友。同时本方案结合 webGL 全视角查看家电 3D 模型，更全面了解家电的构造。

3. 原理

利用视觉惯性测距技术，对摄像头采集到的图像序列进行计算机视觉分析，并且与设备的运动传感器信息相结合。 将真实世界画面转变为一个 3D 场景，Camera 负责捕捉摄像头画面，由 Session 负责搭建 3D 场景，并最终识别出水平面和垂直面。

最终将加载的 3D 商品模型投放到识别面，显示出 3D 商品模型。

 

 

4. AR-GO 带来的改变

1. 告别网购看图时代，解决用户只能依靠想象购买家电的痛点，极大提高了用户的购物体验，降低了购物成本。

2. 无需安装即可查看家电尺寸、材质、结构，大幅度提升购买效率，减少线上购物退/换货率。

3. 为用户装修提供更多的参考，提前查看家电家具的安装效果，确定尺寸是否合适，解决家装难题，应用广泛。

5. 总结

AR-GO 在保证高性能的前提下，实现了实时水平/垂直面的识别，模型（文件大小<10M）高精度还原，添加手势互动、自动计算模型的尺寸并添加标注，效果逼真稳定，并结合 webGL 无死角查看家电。

同时也存在一些缺点和不足，比如目前功能相对单一，缺少动画过渡、测距等功能，也存在多模型穿模的问题，后续会不断完善。

应用场景主要是家电购物和装修等，提高用户的购物效率，并为家庭装修提供参考，相信 AR-GO 是未来家电购物和家庭装修的一种趋势，目前 AR-GO 在内测阶段，感谢大家关注支持。

AR-GO 目标

提高消费者的购物体验，为用户打造更满意的家。

声明

未经作者允许，不得转载到外部平台