3dTiles 數據規範詳解[4.3] pnts瓦片二進制數據文件結構

轉載請規範聲明。@秋意正寒 http://www.javashuo.com/article/p-vydtlexa-mv.html
個人git地址:github.com/onsummerhtml

pnts,即 Points,點雲的意思。git

las、xyz數據等都可。github

瓦片文件二進制佈局(文件結構)

pnts不存在gltf模型,故結構以下:json

1. 文件頭:28byte

與b3dm是同樣的。數組

屬性的官方名稱 字節長 類型 含義
magic 4 string(或char[4]) 該瓦片文件的類型,在pnts中是 "pnts"
version 4 uint32 該瓦片的版本,目前限定是 1.
byteLength 4 uint32 該瓦片文件的文件大小,單位:byte
featureTableJSONByteLength 4 uint32 要素表的JSON文本(二進制形式)長度
featureTableBinaryByteLength 4 uint32 要素表的二進制數據長度
batchTableJSONByteLength 4 uint32 批量表的JSON文本(二進制形式)長度
batchTableBinaryByteLength 4 uint32 批量表的二進制數據長度

2. 要素表

在 b3dm 篇,有介紹到要素表存在 全局屬性要素屬性。在 pnts 和上篇 i3dm 中,這對概念會解釋得很透徹。佈局

① 要素表的全局屬性

屬性名 數據類型 描述 是否必須
POINTS_LENGTH uint32 瓦片中點的數量。全部的點屬性的長度必須與這個同樣。 必須存在
RTC_CENTER float32 * 3 若是全部點是相對於某個點定位的,那麼這個屬性就是這個相對的點的座標。 沒必要須
QUANTIZED_VOLUME_OFFSET float32 * 3 量化偏移值 與QUANTIZED_VOLUME_SCALE屬性必須同時存在或同時不存在
QUANTIZED_VOLUME_SCALE float32 * 3 量化縮放比例 與QUANTIZED_VOLUME_OFFSET屬性必須同時存在或同時不存在
CONSTANT_RGBA uint8 * 4 爲全部點定義同一個顏色 沒必要須
BATCH_LENGTH uint32 BATCH_ID的個數 與點屬性中的BATCH_ID必須同時存在或者同時不存在

第一第二個能與 b3dm 中的 BATCH_LENGTHRTC_CENTER 類比來理解,就不解釋了。ui

第三、4個與 i3dm 是一致的。編碼

第5個即每一個點的默認顏色,默認是灰色。spa

最後一個頗有意思,和 b3dm 裏的「重合」了,它的意義是:點雲瓦片中這麼多點是能夠劃分的,每一類叫作 BATCH。3d

例如對一棟建築進行點雲掃射,那麼牆體的全部的點能夠歸屬爲 牆體BATCH,窗戶的全部點能夠歸屬爲 窗戶BATCH。

BATCH_LENGTH 指示了當前pnts瓦片的點被劃分紅了多少個類別。

a. pnts瓦片中顏色的優先級

RGBA>RGB>RGB565>CONSTANT_RGBA。其中,CONSTANT_RGBA 是全局的,前三個是點要素屬性裏的。

固然,還可使用 3dTiles 的 style 來改變樣式。

b. 量化空間範圍體

這個詞兒是我本身意譯的。

一般點雲數據只留其「形」,而具體每一個點的座標能夠不那麼精確。由於存儲高精度的點座標,是十分消耗空間的。默認每一個點使用逐要素屬性 POSITION 來記錄每一個點的座標,座標值類型是 FLOAT,即 4字節,假如使用量化座標,每一個座標值使用 UInt16 類型,即 2字節,那麼座標信息就能壓縮一倍!

具體什麼是 量化空間範圍體,我認爲在上一篇 i3dm 中已經解釋得很清楚了:

只不過,在點雲瓦片中,POSITION 表明的再也不是 instance 的座標,而是點座標。

看到這,是否能理解「要素表的全局屬性是對於整個瓦片文件而言」這句話了呢?

② 要素表的(逐)要素屬性

其實,我以爲在點雲中叫 點屬性 更好。

屬性名 數據類型 描述 是否必須
POSITION float32 * 3 直角座標的點 是,除非POSITION_QUANTIZED屬性存在
POSITION_QUANTIZED uint16 * 3 量化空間範圍體內的直角座標點 是,除非POSITION屬性存在
RGBA uint8 * 4 四通道顏色 沒必要須
RGB uint8 * 3 RGB顏色 沒必要須
RGB565 uint16 有損壓縮顏色,紅5綠6藍5,即65536種顏色 沒必要須
NORMAL float32 *3 法線 沒必要須
NORMAL_OCT16P uint8 * 2 點的法線,10進制單位向量,有16bit精度 沒必要須
BATCH_ID uint8/uint16(默認)/uint32 從BatchTable種檢索元數據的id 沒必要須,取決於全局屬性BATCH_LENGTH

其中,第一和第二個與 i3dm 中的定義一致。

第三~第五個是顏色信息,在第①小節中的a部分講了。

第6、七與 i3dm 中的相似。

第八個與 i3dm 中的定義徹底一致。

③ 要素表的JSON

上述全部屬性所有會記錄在要素表的 JSON 中,對於 全局屬性,其值記錄在 JSON 中。

對於其要素屬性,由於點雲中的點數量會很是巨大,寫在JSON中體積會變大,因此使用 JSON引用要素表二進制數據體 的形式。

下列是一個要素表的JSON:

{
    POINTS_LENGTH : 4, // 意味着有4個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0個byte開始讀取
    }
}

這個要素表的釋義與 i3dm 中的示例同樣,只不過從 INSTANCES_LENGTH 變成了 POINTS_LENGTH

④ 要素表體

要素表JSON中引用的二進制數據均順次記錄在此,通常爲要素屬性(點屬性)。

3. 批量表

批量表與b3dm的差很少,若是在 pnts 的要素表和批量表中存儲了 BATCH_LENGTH 信息,那每一個 BATCH 的屬性就存於此。

可是與 b3dm、i3dm 略有不一樣的是,若是要素表JSON中沒有 BATCH_ID 的定義,可是批量表中卻存在與點的數量 POINTS_LENGTH 同樣長的屬性數組,那麼說明該點雲瓦片的每個點都有屬性。

結構參考 b3dm 篇章。

4. 要素表與批量表舉例說明

此部分參考官方文檔。

① 只有點座標

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0個byte開始讀取
    }
}

const featureTableBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer)

這個例子只記錄了4個點。

② 相對座標與顏色信息

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    RTC_CENTER : [1215013.8, -4736316.7, 4081608.4], // 意味着相對於這個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0個byte開始讀取
    },
    RGB : {
        byteOffset : 48 // 顏色值意味着從ftBinary的第48個byte讀取,緊接在POSITION後
    }
}

const positionBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer) // 一共12*4byte = 48byte

const colorBinary = new Buffer(new Uint8Array([
    255, 0, 0,
    0, 255, 0,
    0, 0, 255,
    255, 255, 0,
]).buffer) // 一共12*1byte = 12byte

// ftBinary一共48+12=60byte
const featureTableBinary = Buffer.concat([positionBinary, colorBinary])

這個例子有4個點,是相對於中心定位的點。顏色依次爲:紅綠藍黃。

③ 量化座標與八進制編碼法向量

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    QUANTIZED_VOLUME_OFFSET : [-250.0, 0.0, -250.0], // 意味着偏移基座標是 (-250, 0, -250)
    QUANTIZED_VOLUME_SCALE : [500.0, 0.0, 500.0], // 意味着x和z方向的縮放比是500
    POSITION_QUANTIZED : { 
        byteOffset : 0 // 意味着量化座標的數據存在ftBinary的第0個字節日後
    },
    NORMAL_OCT16P : {
        byteOffset : 24 // 意味着量化座標頂點法線的數據存在ftBinary的第24個字節日後
    }
}

const positionQuantizedBinary = new Buffer(new Uint16Array([
    0, 0, 0,
    65535, 0, 0,
    0, 0, 65535,
    65535, 0, 65535
]).buffer) // 一共12*2byte=24byte,Uint16=16bit=2byte

const normalOct16PBinary = new Buffer(new Uint8Array([
    128, 255,
    128, 255,
    128, 255,
    128, 255
]).buffer) // 一共8*1=8byte,Uint8=8bit=1byte

const featureTableBinary = Buffer.concat([positionQuantizedBinary, normalOct16PBinary])

這個例子中,有4個點,每一個點的法向量都是八進制編碼的\([0.0, 1.0, 0.0]\),它們將被放置在x和z方向上.

④ 點數據分類(BATCH)

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    BATCH_LENGTH : 2, // 意味着4個點分紅了2類(批、batch)
    POSITION : {
        byteOffset : 0 // 意味着POSITION將存儲在ftBinary的第 0 byte以後
    },
    BATCH_ID : {
        byteOffset : 48, // 意味着BATCH_ID的值將從ftBinary的第 48 byte以後
        componentType : "UNSIGNED_BYTE" // 意味着BATCH_ID的值類型是無符號字節數
    }
}

const positionBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer) // 4個點,一共12個值,每一個值4byte(Float每一個數字佔4byte,即32bit),一共48byte

const batchIdBinary = new Buffer(new Uint8Array([
    0,
    0,
    1,
    1
]).buffer) // 前2個的類型是0(batchId),後2個點的類型是1

const featureTableBinary = Buffer.concat([positionBinary, batchIdBinary]); // 合併

const batchTableJSON = {
    names : ['object1', 'object2']
} // 批量表JSON記錄了屬性值,有兩個,恰好對上 BATCH_LENGTH

這個例子中,前2個點的 batchId 是0,後2個點的 batchId 是1。

⑤ 每一個點都有屬性

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0byte開始
    }
}

const featureTableBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer)

const batchTableJSON = {
    names : ['point1', 'point2', 'point3', 'point4'] // 意味着這4個點都有names屬性,其值寫在這裏
}

若是在 要素表中沒有 BATCH_ID 屬性的定義,而且批量表中存有屬性數據,那麼這些屬性的個數一定與點的個數相同,即每一個點都有屬性。

5. 字節對齊與編碼端序

與b3dm裏寫的一致,能夠回看:http://www.javashuo.com/article/p-hcrvzhto-nh.html

6. 擴展(extensions)和額外信息(extras)

一樣,這部份內容與b3dm篇章內介紹的一致,會在後續文章內介紹。

相關文章
相關標籤/搜索