作者| 阿里文娛無線開發專家 王璟瑤
出品 | CSDN（CSDNnews）
行業現狀
實景VR目前的行業應用案例逐漸增多，在使用720°全景相機拍攝，部分廠商基於多實景照片進行多叉數建模，在鏈家等房產行業獲得廣泛應。在票務行業，場館選座的國內外的同類產品中也有試點落地，國外的有TicketMaster、Stubhub等，國內嘗試落地的有摩天輪，針對大型場館，目前的實現思路偏向於使用3D建模+後渲染輸出基於 ECB 的全景照片，下發後用於大前端多端展示。
大麥解法
大麥落地全景VR主要是為用戶的選座決策提供輔助和沉浸式體驗，目前綜合考慮選座頁面用戶交互和落地成本，採用大場館建模+全景渲染和小場館實景VR拍攝節奏。
2.1 落地策略
大場館-3D建模+渲染
-
小場館-實景VR
2.2 建模全鏈路流程
場館建模經過輸出白模、材質紋理貼圖等流程進行輸出建設，基於經典 3dmax 進行近似建模。
2.3 全鏈路流程
整體流程按大節點分成：建模/拍攝→ 生產→ 選座基礎平臺→ 大前端主要環節，建模部分目前使用 3dmax 的常規方案，並調研基於3D激光雷達 + SLAM 的量產方案。
3D場館
3.1 模型紋理加載
針對建模輸出的場館模型，3dmax 導出後容量在50M~200之間，採用 glTF 模型壓縮，再配合 LOD 多層次細節紋理，可有效提升基於 three.js 的超大紋理場館的打開速度。
LOD效果圖展示
VR
4.1 VR Engine
VR整體方案選擇使用基於 ECB 球體座標的投影方案，渲染合成 2:1 的全景圖片，圖片本身經過 moz-jpeg壓縮、智能降噪和超分重建，供 VR Engine渲染，也為為全景圖片展示秒開打下基礎。大前端 VR Engine層面，App側android/ios較為成熟，選用 google/apple 自帶方案，h5側 engine 性能和集成度差異較大，調研了目前市面上常見的幾款 engine，最終選擇使用 Pannellum 作為首選引擎。支持羅盤指示、全景漫遊、全景標註、多清晰度等擴展功能。
VR視圖及優化
透視視圖、魚眼視圖、立體視圖、建築視圖、潘尼尼觀、小行星等。GVR進行了優化封裝，包括但不限於：
a. 鏡頭失真校正（Lens distortion correction）
b. 空間音頻（Spatial audio）
c. 頭部跟蹤（Head tracking）
d. 3D校準（3D calibration）
e. 並排渲染（Side-by-side rendering）
f. 立體幾何配置（Stereo geometry configuration）
g. 用戶輸入事件處理（User input event handling）
全鏈路量產
全面落地，需要建模和拍攝的場館較多，針對VR落地應用，需要進行量產操作，按照梳理，核心步驟大致分為以下幾步：
→ 拍攝：專業camera + 大麥B端 = 遙控拍照 + 攜帶座位信息
→ 生產：綁定、fov傾角計算、壓縮、超分重建）
→ 選座基礎平臺: 底圖保護-暗水印、流式加密)
→ 大前端：三端 VR Engine、漸進式加載、流式加密
總結
針對上線的圖片，進行了合成優化以及基於Lanczos/hpx的圖像壓縮，以及流式密碼加密，以保障用戶的秒開和數據安全。3D/VR的持續建設是智慧場館重要的一環，也為用戶購買決策提供了可視化手段，量產階段後繼續探索基於大場景點雲渲染建模和商業化營銷能力，以期為用戶帶來更好的沉浸式體驗。
閱讀更多 CSDN 的文章
