酷炫的VR选座,阿里大麦背后的技术堪称豪华


作者|  阿里文娱无线开发专家 王璟瑶

责编 | 夕颜

出品 | CSDN(CSDNnews)

 

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。

 

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。

2.1 落地策略

  • 大场馆-3D建模+渲染

  • 小场馆-实景VR

 

2.2 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。

 

2.3 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。

 

3D场馆

3.1 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~200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

 

VR

4.1 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)

     

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

 

 

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。

【End】

《原力计划【第二季】- 学习力挑战》

正式开始

即日起至 3月21日

千万流量支持原创作者

更有专属【勋章】等你来挑战

推荐阅读 

华为或将推出“华为搜索”;飞书回应微信指控;Fuchsia OS 进入开发者试用阶段 | 极客头条

那些神一样的程序员

超30亿人脸数据被泄露,美国AI公司遭科技巨头联合“封杀”

狂赚 1200 亿,差点收购苹果,影响千万程序员,那个叫做太阳的公司却陨落了!

AWS还是Firebase?在移动应用后端应该使用哪个?

两成开发者月薪超 1.7 万、算法工程师最紧缺!| 中国开发者年度报告

你点的每一个在看,我认真当成了喜欢

发布了1767 篇原创文章 · 获赞 4万+ · 访问量 1597万+

猜你喜欢

转载自blog.csdn.net/csdnnews/article/details/104624348