一、行业现状
实景 VR 目前的行业应用案例逐渐增多,在使用 720°全景相机拍摄,部分厂商基于多实景照片进行多叉数建模,在链家等房产行业获得广泛应。在票务行业,场馆选座的国内外的同类产品中也有试点落地,国外的有 TicketMaster、Stubhub 等,国内尝试落地的有摩天轮,针对大型场馆,目前的实现思路偏向于使用 3D 建模+后渲染输出基于 ECB 的全景照片,下发后用于大前端多端展示。
二、大麦解法
大麦落地全景 VR 主要是为用户的选座决策提供辅助和沉浸式体验,目前综合考虑选座页面用户交互和落地成本,采用大场馆建模+全景渲染和小场馆实景 VR 拍摄节奏。
落地策略
大场馆-3D 建模+渲染
小场馆-实景 VR
建模全链路流程
场馆建模经过输出白模、材质纹理贴图等流程进行输出建设,基于经典 3dmax 进行近似建模。
全链路流程
整体流程按大节点分成:建模/拍摄→生产→选座基础平台→大前端主要环节,建模部分目前使用 3dmax 的常规方案,并调研基于 3D 激光雷达 + SLAM 的量产方案。
三、3D 场馆
模型纹理加载
针对建模输出的场馆模型,3dmax 导出后容量在 50M~200M 之间,采用 glTF 模型压缩,再配合 LOD 多层次细节纹理,可有效提升基于 three.js 的超大纹理场馆的打开速度。
LOD 效果图展示
四、VR
VR Engine
VR 整体方案选择使用基于 ECB 球体坐标的投影方案,渲染合成 2:1 的全景图片,图片本身经过 moz-jpeg 压缩、智能降噪和超分重建,供 VR Engine 渲染,也为为全景图片展示秒开打下基础。大前端 VR Engine 层面,APP 侧 android/ios 较为成熟,选用 google/apple 自带方案,h5 侧 engine 性能和集成度差异较大,调研了目前市面上常见的几款 engine,最终选择使用 Pannellum 作为首选引擎。支持罗盘指示、全景漫游、全景标注、多清晰度等扩展功能。
VR 视图及优化
透视视图、鱼眼视图、立体视图、建筑视图、潘尼尼观、小行星等。GVR 进行了优化封装,包括但不限于:
a. 镜头失真校正(Lens distortion correction)
b. 空间音频(Spatial audio)
c. 头部跟踪(Head tracking)
d. 3D 校准(3D calibration)
e. 并排渲染(Side-by-side rendering)
f. 立体几何配置(Stereo geometry configuration)
g. 用户输入事件处理(User input event handling)
五、全链路量产
全面落地,需要建模和拍摄的场馆较多,针对 VR 落地应用,需要进行量产操作,按照梳理,核心步骤大致分为以下几步:
拍摄:专业 camera + 大麦 B 端 = 遥控拍照 + 携带座位信息
生产:绑定、fov 倾角计算、压缩、超分重建
选座基础平台: 底图保护-暗水印、流式加密
大前端:三端 VR Engine、渐进式加载、流式加密
六、总结
针对上线的图片,进行了合成优化以及基于 Lanczos/hpx 的图像压缩,以及流式密码加密,以保障用户的秒开和数据安全。3D/VR 的持续建设是智慧场馆重要的一环,也为用户购买决策提供了可视化手段,量产阶段后继续探索基于大场景点云渲染建模和商业化营销能力,以期为用户带来更好的沉浸式体验。
作者简介:
阿里文娱无线开发专家 王璟瑶
相关链接
评论