SuperMap iDesktop 倾斜摄影数据瘦身方法简述

发布于:2023-01-20 ⋅ 阅读:(2) ⋅ 点赞:(0) ⋅ 评论:(0)

作者:姜尔
本文对倾斜数据瘦身做进一步的更新与补充。补充博客为:https://blog.csdn.net/supermapsupport/article/details/80351070

SuperMap iDesktop 中对倾斜数据有三种优化方案:数据结构、数据渲染、数据总量。从数据结构方面进行优化,主要是通过合并根节点的方式提升读取数据的速度。适用于如果数据场景范围比较大,加载缓存时出现一块一块逐渐加载显示的情况,可以通过勾选“合并根节点”功能,减少根节点的个数,加快在远处浏览整个场景时的加载速度。从三维切片渲染的角度入手,压缩纹理,以提升倾斜三维切片的渲染速度。从数据总量方面,减少切片文件请求总量,直接将多个文件夹下的诸多碎瓦片文件生成为一个倾斜摄影模型大文件。

什么是根节点?

 
倾斜摄影模型数据通常采用分块(Tile)方式存储,即一定空间范围的模型划为一个块并存储在一个文件夹中,每个文件夹下包含了一个根节点文件及若干子节点文件。SuperMap通过索引文件(*.scp)记录的根节点相对路径来加载模型,如下示意图(蓝色方框表示模型根节点)。

 

“合并根节点”功能则是将相邻一定空间范围的根节点合并为一个根节点,即向上抽稀生成了一层更为粗糙的LOD层级。 当金字塔层级为1时,代表每4个根节点合并为1个,每合并一次,模型根节点数量减少约为原始数量的1/4。系统会控制模型最终的根节点数量,保证根节点在10个以内。当大于10个时,会继续合并,直至在10个以内。

合并示意如下图(蓝色方框表示合并前的模型根节点,橙色方框表示合并一次的根节点;黄色方框表示合并二次后的根节点):

 

合并根节点参数详解:

金字塔层级:用于设置多少个根节点合并为1个,即设置层级为n,则代表每4n个根节点合并为1个。默认值为1,即模型根节点将每4个根节点合并为1个。

根节点着色类型:LOD层的颜色支持从纹理颜色、顶点颜色获取。

融合边界:勾选“融合边界”后,可以减弱倾斜摄影数据瓦片之间的交界效果,主要是针对瓦片边界存在少量相交的倾斜摄影数据。

合并根节点后在目标文件夹下新生成了一个scp配置文以及新生成得根节点文件,配置文件中记录了合并后倾斜对应的根节点名称。

如何合并根节点?


以SuperMap iDesktop11i系列管网版本为例(版本: 11.0.0.0720.43141 x64(SuperMap iObjects .NET: 11.0.0.95750)),合并根节点功能已经合并在倾斜入库功能下(三维数据-数据管理-倾斜入库)。

 

当不添加数据时,金字塔层级默认为1,即模型根节点将进行一次合并处理。添加数据后,金字塔层级会会根据数据量自行计算,但此数值仅作为参考,如对数据要求较高,建议入库后查看根节点数量以及生成的S3MB文件大小手动调整,建议S3MB单个文件大小不超过5MB。

如部分数据文件大小较大,请查看数据区域是否存在纹理贴图复杂或做过倾斜修饰等情况。如果原始数据有大纹理,导致生成的s3mb特别大,影响加载性能,倾斜入库时,参数需要设置几何压缩方式为Draco,纹理压缩格式为crn_dxt5。

渲染优化怎么做?


倾斜入库时设置生成的缓存的纹理压缩格式(三维数据-数据管理-倾斜入库),可以根据需求和数据情况选择相应的参数设置。纹理压缩可以将倾斜切片的纹理压缩成更适合特定设备的纹理格式,从而优化倾斜摄影模型数据在三维场景中的渲染性能,获得更流畅的浏览体验。

 

目前支持五种压缩格式:WebP、DXT(PC设备)、CRN_DXT5(PC设备)、标准CRN、 KTX2.0,默认为DXT(PC设备)。对于不同用途的数据,采用不同的纹理压缩方式,可以减少纹理图像所使用的显存数量。

WebP:大幅减少数据总量,PC与移动端都支持的纹理压缩格式。

DXT(PC设备):减少显存占用,提升渲染性能,但是数据总量会增加。

CRN_DXT5(PC设备):减少显存占用,减少数据总量,但是需要较长的处理时间。

标准CRN:减少显存占用,减少数据总量。处理相同数据,所需时间比CRN_DXT5长。

KTX2.0:减少显存占用,减少数据总量。处理相同数据,所需时间比CRN_DXT5短。

数据量优化怎么做?
倾斜摄影缓存或模型缓存数据分块存储在多个文件夹中,每个文件夹下存有很多个被划分为不同LOD层级的模型文件,场景需通过读取这些碎文件的方式实现加载浏览。用模型生成大文件的方式加速倾斜数据的读取与加载,可以将存储在多个文件夹下的诸多碎文件生成为一个*.cf格式(SqlLite)的倾斜摄影模型大文件(三维数据-数据管理-生成大文件)。

 
————————————————
版权声明:本文为CSDN博主「EliseL」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/EliseJ/article/details/126306819