Некоторое время назад я писал о масштабируемом конвейере для обработки облаков точек. Хотя в тексте давался обзор того, как может выглядеть такой конвейер, он был довольно абстрактным. На этот раз, вместо того, чтобы махать руками на очень высоком уровне, я собираюсь представить некоторые реальные результаты.
На сайте OpenTopography имеется большой набор облаков данных береговой линии в Сан-Симеон, Калифорния. Данные представляют собой 75-мильный участок береговой линии в округе Сан-Луис-Обиспо, штат Калифорния. Площадь 800 км2 (195 000 акров) данных Лидар была просканирована в 2013 году, пролетая над этой территорией с помощью Cessna Caravan.
При разрешении примерно 22 точки на м2 входные данные составляют 17,7 миллиарда точек. Первоначальная загрузка данных (очень сжатая laszip) составляет примерно 86 ГБ, несколько сотен гигабайт в несжатом виде.
Так что, конечно же, мы взяли эти данные и на днях сделали их Umbrafid. На это ушло пару часов, но результаты выглядят довольно неплохо.
С помощью нашего пайплайна 17,7 миллиардов точек превращаются в оптимизированную и потоковую модель, состоящую из треугольных сеток и материалов. Модель передается в приложение для рендеринга с соответствующим уровнем детализации, который зависит от того, на что вы смотрите и с какого расстояния. Да, и он одинаково хорошо работает на рабочих станциях, мобильных устройствах и гарнитурах.
Итого получается пара сотен гигабайт, включая геометрию и текстуры, для всех аппаратных целей. Но прелесть этого в том, что только крошечная часть этого общего количества должна быть передана и отрендерена в любой момент времени. Здесь вы можете увидеть, как система масштабируется независимо от того, смотрите ли вы на небольшую область в модели или на весь срез длиной 75 миль:
Вот то же уменьшение масштаба в каркасе, иллюстрирующее, как уровень детализации меняется в зависимости от расстояния, что приводит к примерно постоянному количеству накладных расходов на рендеринг независимо от того, как далеко вы находитесь от модели. Вы также можете увидеть адаптивную тесселяцию, означающую большее и меньшее количество полигонов в областях, где не так много высокочастотных деталей, в нашей записи в блоге здесь.
В целом мы очень довольны результатами!
Если у вас есть еще большие наборы данных, которыми вы могли бы поделиться с нами, мы будем рады, если вы свяжетесь с вами!
Мы еще не нашли границы системы, но мы пытаемся!
