3DTiles 1.0 数据规范详解[4.3] pnts瓦片二进制数据文件结构

转载请规范声明。@秋意正寒 https://www.cnblogs.com/onsummer/p/13252898.html
我的git地址:github.com/onsummer
目录:https://www.cnblogs.com/onsummer/p/12799366.html

pnts,即 Points,点云的意思。

las、xyz数据等均可。

瓦片文件二进制布局(文件结构)

pnts瓦片文件不内嵌 glTF 模型,故结构如下:

1. 文件头:28byte

与b3dm是一样的。

属性的官方名称 字节长 类型 含义
magic 4 string(或char[4]) 该瓦片文件的类型,在pnts中是 "pnts"
version 4 uint32 该瓦片的版本,目前限定是 1.
byteLength 4 uint32 该瓦片文件的文件大小,单位:byte
featureTableJSONByteLength 4 uint32 要素表的JSON文本(二进制形式)长度
featureTableBinaryByteLength 4 uint32 要素表的二进制数据长度
batchTableJSONByteLength 4 uint32 批量表的JSON文本(二进制形式)长度
batchTableBinaryByteLength 4 uint32 批量表的二进制数据长度

2. 要素表

在 b3dm 篇,有介绍到要素表存在 全局属性要素属性。在 pnts 和上篇 i3dm 中,这对概念会解释得很透彻。

① 要素表的全局属性

属性名 数据类型 描述 是否必须
POINTS_LENGTH uint32 瓦片中点的数量。所有的点属性的长度必须与这个一样。 必须存在
RTC_CENTER float32 * 3 如果所有点是相对于某个点定位的,那么这个属性就是这个相对的点的坐标。 不必须
QUANTIZED_VOLUME_OFFSET float32 * 3 量化偏移值 与QUANTIZED_VOLUME_SCALE属性必须同时存在或同时不存在
QUANTIZED_VOLUME_SCALE float32 * 3 量化缩放比例 与QUANTIZED_VOLUME_OFFSET属性必须同时存在或同时不存在
CONSTANT_RGBA uint8 * 4 为所有点定义同一个颜色 不必须
BATCH_LENGTH uint32 BATCH_ID的个数 与点属性中的BATCH_ID必须同时存在或者同时不存在

第一第二个能与 b3dm 中的 BATCH_LENGTHRTC_CENTER 类比来理解,就不解释了。

第3、4个与 i3dm 是一致的。

第5个即每个点的默认颜色,默认是灰色。

最后一个很有意思,和 b3dm 里的“重合”了,它的意义是:点云瓦片中这么多点是可以划分的,每一类叫做 BATCH。

例如对一栋建筑进行点云扫射,那么墙体的所有的点可以归属为 墙体BATCH,窗户的所有点可以归属为 窗户BATCH。

BATCH_LENGTH 指示了当前pnts瓦片的点被划分成了多少个类别。

a. pnts瓦片中颜色的优先级

RGBA>RGB>RGB565>CONSTANT_RGBA。其中,CONSTANT_RGBA 是全局的,前三个是点要素属性里的。

当然,还可以使用 3dTiles 的 style 来改变样式。

b. 量化空间范围体

这个词儿是我自己意译的。

通常点云数据只留其“形”,而具体每个点的坐标可以不那么精确。因为存储高精度的点坐标,是十分消耗空间的。默认每个点使用逐要素属性 POSITION 来记录每个点的坐标,坐标值类型是 FLOAT,即 4字节,假如使用量化坐标,每个坐标值使用 UInt16 类型,即 2字节,那么坐标信息就能压缩一倍!

具体什么是 量化空间范围体,我认为在上一篇 i3dm 中已经解释得很清楚了:

只不过,在点云瓦片中,POSITION 代表的不再是 instance 的坐标,而是点坐标。

看到这,是否能理解“要素表的全局属性是对于整个瓦片文件而言”这句话了呢?

② 要素表的(逐)要素属性

其实,我觉得在点云中叫 点属性 更好。

属性名 数据类型 描述 是否必须
POSITION float32 * 3 直角坐标的点 是,除非POSITION_QUANTIZED属性存在
POSITION_QUANTIZED uint16 * 3 量化空间范围体内的直角坐标点 是,除非POSITION属性存在
RGBA uint8 * 4 四通道颜色 不必须
RGB uint8 * 3 RGB颜色 不必须
RGB565 uint16 有损压缩颜色,红5绿6蓝5,即65536种颜色 不必须
NORMAL float32 *3 法线 不必须
NORMAL_OCT16P uint8 * 2 点的法线,10进制单位向量,有16bit精度 不必须
BATCH_ID uint8/uint16(默认)/uint32 从BatchTable种检索元数据的id 不必须,取决于全局属性BATCH_LENGTH

其中,第一和第二个与 i3dm 中的定义一致。

第三~第五个是颜色信息,在第①小节中的a部分讲了。

第六、七与 i3dm 中的类似。

第八个与 i3dm 中的定义完全一致。

③ 要素表的JSON

上述所有属性全部会记录在要素表的 JSON 中,对于 全局属性,其值记录在 JSON 中。

对于其要素属性,因为点云中的点数量会非常巨大,写在JSON中体积会变大,所以使用 JSON引用要素表二进制数据体 的形式。

下列是一个要素表的JSON:

{
  POINTS_LENGTH : 4, // 意味着有4个点
  POSITION : {
    byteOffset : 0 // 意味着从ftBinary的第0个byte开始读取
  }
}

这个要素表的释义与 i3dm 中的示例一样,只不过从 INSTANCES_LENGTH 变成了 POINTS_LENGTH

④ 要素表体

要素表JSON中引用的二进制数据均顺次记录在此,一般为要素属性(点属性)。

3. 批量表

批量表与b3dm的差不多,如果在 pnts 的要素表和批量表中存储了 BATCH_LENGTH 信息,那每个 BATCH 的属性就存于此。

但是与 b3dm、i3dm 略有不同的是,如果要素表JSON中没有 BATCH_ID 的定义,但是批量表中却存在与点的数量 POINTS_LENGTH 一样长的属性数组,那么说明该点云瓦片的每一个点都有属性。

结构参考 b3dm 篇章。

4. 要素表与批量表举例说明

此部分参考官方文档。

① 只有点坐标

const featureTableJSON = {
  POINTS_LENGTH : 4, // 意味着有4个点
  POSITION : {
    byteOffset : 0 // 意味着从ftBinary的第0个byte开始读取
  }
}

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)

这个例子只记录了4个点。

② 相对坐标与颜色信息

const featureTableJSON = {
  POINTS_LENGTH : 4, // 意味着有4个点
  RTC_CENTER : [1215013.8, -4736316.7, 4081608.4], // 意味着相对于这个点
  POSITION : {
    byteOffset : 0 // 意味着从ftBinary的第0个byte开始读取
  },
  RGB : {
    byteOffset : 48 // 颜色值意味着从ftBinary的第48个byte读取,紧接在POSITION后
  }
}

// Nodejs Buffer
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]) 

这个例子有4个点,是相对于中心定位的点。颜色依次为:红绿蓝黄。

③ 量化坐标与八进制编码法向量

const featureTableJSON = {
  POINTS_LENGTH : 4, // 意味着有4个点
  QUANTIZED_VOLUME_OFFSET : [-250.0, 0.0, -250.0], // 意味着偏移基坐标是 (-250, 0, -250)
  QUANTIZED_VOLUME_SCALE : [500.0, 0.0, 500.0], // 意味着x和z方向的缩放比是500
  POSITION_QUANTIZED : {
    byteOffset : 0 // 意味着量化坐标的数据存在ftBinary的第0个字节往后
  },
  NORMAL_OCT16P : {
    byteOffset : 24 // 意味着量化坐标顶点法线的数据存在ftBinary的第24个字节往后
  }
}

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])

这个例子中,有4个点,每个点的法向量都是八进制编码的 \([0.0, 1.0, 0.0]\),它们将被放置在x和z方向上.

④ 点数据分类(BATCH)

const featureTableJSON = {
  POINTS_LENGTH : 4, // 意味着有4个点
  BATCH_LENGTH : 2, // 意味着4个点分成了2类(批、batch)
  POSITION : {
    byteOffset : 0 // 意味着POSITION将存储在ftBinary的第 0 byte之后
  },
  BATCH_ID : {
    byteOffset : 48, // 意味着BATCH_ID的值将从ftBinary的第 48 byte之后
    componentType : "UNSIGNED_BYTE" // 意味着BATCH_ID的值类型是无符号字节数
  }
}

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个点,一共12个值,每个值4byte(Float每个数字占4byte,即32bit),一共48byte

const batchIdBinary = new Buffer(new Uint8Array([
  0,
  0,
  1,
  1
]).buffer) // 前2个的类型是0(batchId),后2个点的类型是1

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

const batchTableJSON = {
  names : ['object1', 'object2']
} // 批量表JSON记录了属性值,有两个,刚好对上 BATCH_LENGTH

这个例子中,前2个点的 batchId 是0,后2个点的 batchId 是1。

⑤ 每个点都有属性

const featureTableJSON = {
  POINTS_LENGTH : 4, // 意味着有4个点
  POSITION : {
    byteOffset : 0 // 意味着从ftBinary的第0byte开始
  }
}

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'] // 意味着这4个点都有names属性,其值写在这里
}

如果在 要素表中没有 BATCH_ID 属性的定义,并且批次表中存有属性数据,那么这些属性的个数必定与点的个数相同,即每个点都有属性。

5. 字节对齐与编码端序

与b3dm里写的一致,可以回看:https://www.cnblogs.com/onsummer/p/13252896.html

6. 扩展(extensions)和额外信息(extras)

同样,这部分内容与b3dm篇章内介绍的一致,会在后续文章内介绍。

posted @ 2020-07-14 01:56  岭南灯火  阅读(4686)  评论(0编辑  收藏  举报