Повномасштабна війна зробила безпілотники одним із головних сенсорів на полі бою, але сама по собі картинка з камери ще не дає переваги. Потрібно перетворити хаотичні фото й відео на точні карти, моделі місцевості та зрозумілі макети, з якими можна планувати операції. Саме цю задачу вирішує українська компанія Farsight Vision, яку очолює CEO Вікторія Яремчук. Команда розробляє софт для аналізу розвідувальних даних і побудови цифрових моделей поля бою, орієнтуючись на реальні обмеження фронту — від відсутності інтернету до вимог безпеки зв’язку.
Цей матеріал розбирає, як еволюціонував продукт Farsight Vision: від мінімального API для «прокачаних» операторів до комплексної системи з офлайн-пристроєм на Raspberry Pi, Signal-ботом і власним інтерфейсом для роботи з ортофотопланами та 3D-моделями.
Від ритейлу й automotive до мілтеху: чому саме карти поля бою
Farsight Vision не виник «з нуля» у військовому домені. Ключові люди компанії прийшли з цивільних галузей, де вже роками працювали з комп’ютерним зором і геоданими.
Один зі співзасновників, Володимир, має близько 15 років досвіду в computer vision у ритейлі. Йдеться про аналіз фото та відео, але не з дронів, а з камер у магазинах та логістичних об’єктах. Це інший домен, проте ті самі базові задачі: розпізнати об’єкти, зрозуміти, що відбувається в кадрі, зіставити з просторовими даними.
Сама Вікторія Яремчук до війни працювала з геоінформаційними системами (ГІС) та в automotive — зокрема з connected vehicles. Це означає досвід роботи з GPS, телематикою, різними шарами геоданих і «двіжками» для оркестрації флотів — щоправда, не безпілотників, а вантажівок і автомобілів. У таких системах потрібно в реальному часі збирати дані з десятків чи сотень об’єктів, будувати маршрути, враховувати обмеження й ризики.
Коли почалася повномасштабна війна, логічним кроком стало перенести цю експертизу в оборонний сектор. Ідея була простою: якщо в цивільному світі ГІС та системи управління флотами дозволяють оптимізувати логістику й безпеку, то подібні підходи мають працювати й для сил оборони. Тим більше, що на фронті вже літали Mavic’и та інші дрони, які генерували величезні масиви даних, але не було зручного й швидкого інструменту, який би перетворював ці дані на придатні для планування карти та моделі.
Перші спроби зрозуміти, «що вже є», показали: збирати дані вдається, але якісно й системно їх обробляти — ні. Це й стало точкою входу для Farsight Vision.
Перше MVP: API для тих, хто вміє працювати з даними
Початковий продукт Farsight Vision був максимально технічним і мінімалістичним. Команда не починала з красивого інтерфейсу чи складної панелі управління. Базове MVP виглядало як API, куди досвідчені користувачі могли завантажувати датасети фото або фрагменти відео з дронів типу Mavic.
Цільова аудиторія на цьому етапі — «прокачані» оператори та підрозділи, які вже вміли збирати дані, розуміли, що таке фотограмметрія, і були готові працювати з сирими масивами зйомок. Вони могли підготувати набір знімків чи відео з польоту, завантажити його через API й отримати результат у вигляді зшитої карти та моделі.
Такий підхід дозволив швидко перевірити, чи взагалі потрібен подібний сервіс, не витрачаючись на складну клієнтську частину. Але дуже швидко виявився ключовий обмежувальний фактор: інтернет.
На фронті навіть сьогодні стабільний зв’язок — не норма, а розкіш. У 2023 році ситуація була ще гіршою. Щоб завантажити великий датасет, оператору часто доводилося фізично відходити на кілометри від позицій, шукати місце з нормальним покриттям, витрачати час і наражатися на ризики. Це створювало великий лаг між польотом і моментом, коли дані потрапляли в систему.
Ставала очевидною проста річ: якщо продукт не враховує реалії фронту, він залишиться нішевим інструментом для кількох ентузіастів. Потрібно було перенести частину обробки ближче до користувача і зробити її максимально автономною.
Mapper на Raspberry Pi: як вирішили проблему відсутності інтернету
Відповіддю на обмеження зв’язку став Mapper — невеликий офлайн-пристрій на базі Raspberry Pi, який Farsight Vision додали до своєї архітектури як ключовий елемент.
Логіка роботи Mapper проста й добре відповідає польовим умовам. Після польоту оператор не шукає інтернет і не намагається «залити» гігабайти відео. Він просто виймає SD-карту з дрона й вставляє її в Mapper. Далі починається офлайн-обробка прямо на Raspberry Pi.
Поки людина їде або йде пішки, пристрій аналізує дані польоту локально. Це знімає критичну залежність від зв’язку: перший етап обробки відбувається там, де є електроживлення, а не там, де є інтернет. Mapper не потребує участі оператора після старту процесу — усе працює у фоновому режимі.
Коли пристрій нарешті отримує доступ до мережі — наприклад, через хотспот смартфона чи в місці з кращим покриттям — він автоматично надсилає результати попередньої обробки на сервер Farsight Vision. Там уже підключаються потужніші обчислювальні ресурси, які доводять проєкт до фінального стану.
Такий підхід розв’язує одразу кілька задач. По-перше, зменшує обсяг даних, які потрібно передати через нестабільний канал. По-друге, мінімізує час між польотом і появою придатного для роботи продукту. По-третє, знижує когнітивне навантаження на оператора: йому не потрібно вручну керувати етапами обробки, стежити за прогресом чи повторювати завантаження у разі збоїв.
Mapper перетворює Farsight Vision із «хмарного сервісу для тих, у кого є інтернет» на гібридну систему, яка органічно працює в умовах фронту, де зв’язок — змінна, а не константа.
Що отримує військовий: ортофотоплан і 3D-модель як основні продукти
Результат роботи Farsight Vision для кінцевого користувача — це не «оброблений датасет» і не «хмара точок», а два зрозумілих продукти: ортофотоплан і 3D-модель ділянки польоту. Саме вони стають основою для подальшого аналізу, планування і макетування.
Ортофотоплан у цьому контексті — це велика зшита 2D-карта місцевості, побудована з фото (класично — саме фотозйомки) з дрона. Зазвичай зйомка для ортофотоплану ведеться під кутом 90 градусів до землі, у так званий надир. У результаті виходить проекція зони, де окремі кадри склеєні в єдину картину без перекосів перспективи.
Попри те, що ортофотоплан виглядає як «пласка» картинка, з нього можна витягнути інформацію про простір у координатах XYZ. Це стає можливим завдяки характеристикам камери, матриці калібрування, відомій висоті польоту та куту зйомки. У найкращих сценаріях, коли всі ці параметри відомі й коректно враховані, ортофотоплан дозволяє не лише бачити об’єкти, а й робити вимірювання на місцевості.
Для побудови 3D-моделей підхід інший. Якщо для ортофотоплану важливо тримати камеру строго вниз, то для тривимірної реконструкції Farsight Vision рекомендує польоти з кутом камери приблизно 65–70 градусів, а не 90. Це дає змогу «побачити» об’єкти під різними кутами, не втрачати інформацію про їхні грані та форму. Інакше при строго вертикальній зйомці втрачаються кути об’єктів, що ускладнює побудову коректної 3D-геометрії.
На виході користувач отримує дві окремі лінки: одну — на ортофотоплан, іншу — на 3D-модель. Ортофотоплан може одразу містити розмітку, що спрощує роботу з ним у плануванні операцій. 3D-модель, своєю чергою, дозволяє оцінити рельєф, висоту об’єктів, можливі укриття й лінії видимості.
Важливо, що Farsight Vision не зводить свою цінність до «красивої картинки». Ключова технічна проблема, яку доводиться розв’язувати, — це не просто побудова хмари точок, а її коректна геоприв’язка до реальних координат. Без цього будь-яка 3D-візуалізація перетворюється на ефектну, але малопридатну для точних вимірювань сцену.
Signal замість Telegram: як доставляють результат і чому це важливо
Ще один принциповий елемент архітектури Farsight Vision — спосіб доставки результатів користувачам. З погляду зручності найпростішим рішенням міг би стати Telegram-бот: знайомий інтерфейс, готова інфраструктура, мінімум зусиль на інтеграцію. Але команда свідомо відмовилася від цього варіанту.
Замість Telegram використовується Signal-бот, який надсилає користувачам посилання на готові проєкти — ортофотоплани та 3D-моделі. Такий вибір продиктований міркуваннями безпеки та надійності. У військовому контексті месенджер — це не просто канал комунікації, а потенційна поверхня атаки. Важливо контролювати, де й як проходять посилання на чутливі дані, хто має до них доступ і які ризики несе сама платформа.
Signal із його фокусом на приватності та наскрізному шифруванні краще відповідає цим вимогам, ніж масовий Telegram, який, попри популярність, викликає більше запитань у безпекових фахівців. Для цивільного стартапу вибір месенджера міг би бути питанням зручності й маркетингу. Для мілтех-продукту — це частина загальної моделі загроз.
Використання Signal-бота також вписується в загальну логіку Farsight Vision: мінімізувати дії, які має виконувати користувач, і водночас не розмивати контроль над критичними елементами системи. Оператор отримує лінки там, де йому зручно, але бекенд і логіка доступу залишаються під контролем команди.
Чому Farsight Vision зберігає власний інтерфейс, попри інтеграції
У сучасному мілтех-середовищі дедалі більше систем прагнуть інтегруватися одна з одною: обмінюватися даними, підключатися до ситуаційних центрів, працювати в єдиному інформаційному полі. Farsight Vision не є винятком і теж рухається в бік інтеграцій з іншими платформами, які споживають геопросторові дані.
Водночас компанія принципово зберігає власний інтерфейс для роботи з даними. Це не просто «ще одна панель», а спосіб контролювати користувацький досвід і темп розвитку функціоналу.
Якщо повністю віддати візуалізацію й взаємодію з даними на сторону інших систем, Farsight Vision ризикує перетворитися на «невидимий» бекенд, який не має прямого контакту з користувачем. У такій моделі складніше розуміти, що саме потрібно людям на передовій, як вони реально працюють із картами й моделями, де виникають помилки чи непорозуміння.
Власний інтерфейс дозволяє швидко експериментувати з новими можливостями, додавати, наприклад, елементи соціальної взаємодії між користувачами, рейтинги інструментів чи способи порівняння різних систем збору й обробки даних. Це важливо в середовищі, де формальних «маркетплейсів» оборонних рішень фактично немає, а обмін досвідом відбувається в тисячах неформальних чатів.
Контроль над інтерфейсом також означає можливість оперативно адаптувати продукт до змін на фронті: нових типів дронів, змін у тактиці, появи чи зникнення певних каналів зв’язку. Інтеграції з іншими системами при цьому не відкидаються, але розглядаються як доповнення, а не заміна власного «вікна» в дані.
Висновки: мілтех, який виріс із реальних обмежень, а не з презентацій
Еволюція Farsight Vision добре показує, як має виглядати мілтех-продукт, що народжується не в презентаціях, а в реальних умовах війни. Старт із простого API для технічно підкованих користувачів дозволив швидко перевірити базову гіпотезу: так, військовим потрібен інструмент, який перетворює сирі фото й відео з дронів на карти та моделі.
Наступний крок — Mapper на Raspberry Pi — став відповіддю на головний нефункціональний виклик: відсутність стабільного інтернету на фронті. Перенесення частини обробки в офлайн, ближче до оператора, зробило систему практичною й придатною до масового використання.
Фінальний користувацький досвід — дві лінки на ортофотоплан і 3D-модель, доставлені через Signal-бот — виглядає простим, але за ним стоїть складна архітектура, яка враховує як технічні, так і безпекові обмеження. Збереження власного інтерфейсу при одночасному русі до інтеграцій дозволяє Farsight Vision не втрачати контакт із реальними потребами фронту й швидко розвивати функціонал.
У підсумку виходить не просто «сервіс для обробки даних з дронів», а повноцінний інструмент побудови цифрового поля бою, який з’єднує розвіддані, геоінформаційні технології та досвід цивільних індустрій у єдину систему, заточену під головне: допомогти тим, хто воює, краще бачити й розуміти простір навколо себе.
Джерело
Що відбувається з софтом у мілтех? fvp #29 з Вікторією Яремчук, CEO Farsight Vision