3dTiles 數據規范詳解[4.3] pnts瓦片二進制數據文件結構

轉載請規范聲明。@秋意正寒 https://www.cnblogs.com/onsummer/p/13252898.html
我的git地址：github.com/onsummer
目錄：https://www.cnblogs.com/onsummer/p/12799366.html

pnts，即 Points，點雲的意思。

las、xyz數據等均可。

瓦片文件二進制布局（文件結構）

pnts不存在gltf模型，故結構如下：

1. 文件頭：28byte

與b3dm是一樣的。

屬性的官方名稱	字節長	類型	含義
magic	4	string（或char[4]）	該瓦片文件的類型，在pnts中是 "pnts"
version	4	uint32	該瓦片的版本，目前限定是 1.
byteLength	4	uint32	該瓦片文件的文件大小，單位：byte
featureTableJSONByteLength	4	uint32	要素表的JSON文本（二進制形式）長度
featureTableBinaryByteLength	4	uint32	要素表的二進制數據長度
batchTableJSONByteLength	4	uint32	批量表的JSON文本（二進制形式）長度
batchTableBinaryByteLength	4	uint32	批量表的二進制數據長度

2. 要素表

在 b3dm 篇，有介紹到要素表存在 全局屬性 和 要素屬性。在 pnts 和上篇 i3dm 中，這對概念會解釋得很透徹。

① 要素表的全局屬性

屬性名	數據類型	描述	是否必須
POINTS_LENGTH	uint32	瓦片中點的數量。所有的點屬性的長度必須與這個一樣。	必須存在
RTC_CENTER	float32 * 3	如果所有點是相對於某個點定位的，那么這個屬性就是這個相對的點的坐標。	不必須
QUANTIZED_VOLUME_OFFSET	float32 * 3	量化偏移值	與QUANTIZED_VOLUME_SCALE屬性必須同時存在或同時不存在
QUANTIZED_VOLUME_SCALE	float32 * 3	量化縮放比例	與QUANTIZED_VOLUME_OFFSET屬性必須同時存在或同時不存在
CONSTANT_RGBA	uint8 * 4	為所有點定義同一個顏色	不必須
BATCH_LENGTH	uint32	BATCH_ID的個數	與點屬性中的BATCH_ID必須同時存在或者同時不存在

第一第二個能與 b3dm 中的 BATCH_LENGTH 和 RTC_CENTER 類比來理解，就不解釋了。

第3、4個與 i3dm 是一致的。

第5個即每個點的默認顏色，默認是灰色。

最后一個很有意思，和 b3dm 里的“重合”了，它的意義是：點雲瓦片中這么多點是可以划分的，每一類叫做 BATCH。

例如對一棟建築進行點雲掃射，那么牆體的所有的點可以歸屬為 牆體BATCH，窗戶的所有點可以歸屬為 窗戶BATCH。

BATCH_LENGTH 指示了當前pnts瓦片的點被划分成了多少個類別。

a. pnts瓦片中顏色的優先級

RGBA>RGB>RGB565>CONSTANT_RGBA。其中，CONSTANT_RGBA 是全局的，前三個是點要素屬性里的。

當然，還可以使用 3dTiles 的 style 來改變樣式。

b. 量化空間范圍體

這個詞兒是我自己意譯的。

通常點雲數據只留其“形”，而具體每個點的坐標可以不那么精確。因為存儲高精度的點坐標，是十分消耗空間的。默認每個點使用逐要素屬性 POSITION 來記錄每個點的坐標，坐標值類型是 FLOAT，即 4字節，假如使用量化坐標，每個坐標值使用 UInt16 類型，即 2字節，那么坐標信息就能壓縮一倍！

具體什么是 量化空間范圍體，我認為在上一篇 i3dm 中已經解釋得很清楚了：

只不過，在點雲瓦片中，POSITION 代表的不再是 instance 的坐標，而是點坐標。

看到這，是否能理解“要素表的全局屬性是對於整個瓦片文件而言”這句話了呢？

② 要素表的(逐)要素屬性

其實，我覺得在點雲中叫 點屬性 更好。

屬性名	數據類型	描述	是否必須
POSITION	float32 * 3	直角坐標的點	是，除非POSITION_QUANTIZED屬性存在
POSITION_QUANTIZED	uint16 * 3	量化空間范圍體內的直角坐標點	是，除非POSITION屬性存在
RGBA	uint8 * 4	四通道顏色	不必須
RGB	uint8 * 3	RGB顏色	不必須
RGB565	uint16	有損壓縮顏色，紅5綠6藍5，即65536種顏色	不必須
NORMAL	float32 *3	法線	不必須
NORMAL_OCT16P	uint8 * 2	點的法線，10進制單位向量，有16bit精度	不必須
BATCH_ID	uint8/uint16(默認)/uint32	從BatchTable種檢索元數據的id	不必須，取決於全局屬性BATCH_LENGTH

其中，第一和第二個與 i3dm 中的定義一致。

第三~第五個是顏色信息，在第①小節中的a部分講了。

第六、七與 i3dm 中的類似。

第八個與 i3dm 中的定義完全一致。

③ 要素表的JSON

上述所有屬性全部會記錄在要素表的 JSON 中，對於 全局屬性，其值記錄在 JSON 中。

對於其要素屬性，因為點雲中的點數量會非常巨大，寫在JSON中體積會變大，所以使用 JSON引用要素表二進制數據體 的形式。

下列是一個要素表的JSON：

{
    POINTS_LENGTH : 4, // 意味着有4個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0個byte開始讀取
    }
}

這個要素表的釋義與 i3dm 中的示例一樣，只不過從 INSTANCES_LENGTH 變成了 POINTS_LENGTH。

④ 要素表體

要素表JSON中引用的二進制數據均順次記錄在此，一般為要素屬性（點屬性）。

3. 批量表

批量表與b3dm的差不多，如果在 pnts 的要素表和批量表中存儲了 BATCH_LENGTH 信息，那每個 BATCH 的屬性就存於此。

但是與 b3dm、i3dm 略有不同的是，如果要素表JSON中沒有 BATCH_ID 的定義，但是批量表中卻存在與點的數量 POINTS_LENGTH 一樣長的屬性數組，那么說明該點雲瓦片的每一個點都有屬性。

結構參考 b3dm 篇章。

4. 要素表與批量表舉例說明

此部分參考官方文檔。

① 只有點坐標

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0個byte開始讀取
    }
}

const featureTableBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer)

這個例子只記錄了4個點。

② 相對坐標與顏色信息

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    RTC_CENTER : [1215013.8, -4736316.7, 4081608.4], // 意味着相對於這個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0個byte開始讀取
    },
    RGB : {
        byteOffset : 48 // 顏色值意味着從ftBinary的第48個byte讀取，緊接在POSITION后
    }
}

const positionBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer) // 一共12*4byte = 48byte

const colorBinary = new Buffer(new Uint8Array([
    255, 0, 0,
    0, 255, 0,
    0, 0, 255,
    255, 255, 0,
]).buffer) // 一共12*1byte = 12byte

// ftBinary一共48+12=60byte
const featureTableBinary = Buffer.concat([positionBinary, colorBinary]) 

這個例子有4個點，是相對於中心定位的點。顏色依次為：紅綠藍黃。

③ 量化坐標與八進制編碼法向量

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    QUANTIZED_VOLUME_OFFSET : [-250.0, 0.0, -250.0], // 意味着偏移基坐標是 (-250, 0, -250)
    QUANTIZED_VOLUME_SCALE : [500.0, 0.0, 500.0], // 意味着x和z方向的縮放比是500
    POSITION_QUANTIZED : { 
        byteOffset : 0 // 意味着量化坐標的數據存在ftBinary的第0個字節往后
    },
    NORMAL_OCT16P : {
        byteOffset : 24 // 意味着量化坐標頂點法線的數據存在ftBinary的第24個字節往后
    }
}

const positionQuantizedBinary = new Buffer(new Uint16Array([
    0, 0, 0,
    65535, 0, 0,
    0, 0, 65535,
    65535, 0, 65535
]).buffer) // 一共12*2byte=24byte，Uint16=16bit=2byte

const normalOct16PBinary = new Buffer(new Uint8Array([
    128, 255,
    128, 255,
    128, 255,
    128, 255
]).buffer) // 一共8*1=8byte，Uint8=8bit=1byte

const featureTableBinary = Buffer.concat([positionQuantizedBinary, normalOct16PBinary])

這個例子中，有4個點，每個點的法向量都是八進制編碼的\([0.0, 1.0, 0.0]\)，它們將被放置在x和z方向上.

④ 點數據分類（BATCH）

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    BATCH_LENGTH : 2, // 意味着4個點分成了2類（批、batch）
    POSITION : {
        byteOffset : 0 // 意味着POSITION將存儲在ftBinary的第 0 byte之后
    },
    BATCH_ID : {
        byteOffset : 48, // 意味着BATCH_ID的值將從ftBinary的第 48 byte之后
        componentType : "UNSIGNED_BYTE" // 意味着BATCH_ID的值類型是無符號字節數
    }
}

const positionBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer) // 4個點，一共12個值，每個值4byte（Float每個數字占4byte，即32bit），一共48byte

const batchIdBinary = new Buffer(new Uint8Array([
    0,
    0,
    1,
    1
]).buffer) // 前2個的類型是0（batchId），后2個點的類型是1

const featureTableBinary = Buffer.concat([positionBinary, batchIdBinary]); // 合並

const batchTableJSON = {
    names : ['object1', 'object2']
} // 批量表JSON記錄了屬性值，有兩個，剛好對上 BATCH_LENGTH

這個例子中，前2個點的 batchId 是0，后2個點的 batchId 是1。

⑤ 每個點都有屬性

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4個點
    POSITION : {
        byteOffset : 0 // 意味着從ftBinary的第0byte開始
    }
}

const featureTableBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer)

const batchTableJSON = {
    names : ['point1', 'point2', 'point3', 'point4'] // 意味着這4個點都有names屬性，其值寫在這里
}

如果在 要素表中沒有 BATCH_ID 屬性的定義，並且批量表中存有屬性數據，那么這些屬性的個數必定與點的個數相同，即每個點都有屬性。

5. 字節對齊與編碼端序

與b3dm里寫的一致，可以回看：https://www.cnblogs.com/onsummer/p/13252896.html

6. 擴展（extensions）和額外信息（extras）

同樣，這部分內容與b3dm篇章內介紹的一致，會在后續文章內介紹。