1 可擴展的格式
繼承自 glTF 的可擴展性，3dTiles 在定義上也留下了可擴展的余地。包括但不局限於：優化幾何數據的存儲，擴展屬性數據等。
2 官方當前的兩種擴展
- 層級屬性
- 點雲的 draco 壓縮
下面，將簡單介紹這兩個擴展。
3 以 “b3dm 類型的瓦片屬性信息” 引入
b3dm 瓦片的屬性信息寫在批次表（batchtable） 中。b3dm 中每個獨立的模型，叫做
batch，（等價於要素表中的要素）這個概念引申自圖形編程，意思是“一次性向圖形處理器（GPU）發送的數據”，即批次。一個 b3dm 瓦片有多少個batch（有多少個要素），是由要素表的 JSON 表頭中的BATCH_LENGTH屬性記錄的。而批次表（batchtable）的每個屬性數據長度，都與這個
BATCH_LENGTH相等。
以上是 03 篇與 04 篇的回顧。
批次表記錄屬性數據是有缺陷的。
- 第一，對字符串、布爾值等非數字型數據的支持較差，只能記錄在批次表JSON頭，二進制體無法記錄非數字型數據；
- 第二，也就是此擴展重點解決的問題，當
batch之間存在邏輯分層、從屬關系時，如何記錄它們的層級屬性數據的問題
3.1 區分每一個頂點是誰
此小節需要對 glTF 格式規范比較熟悉。知道“頂點屬性”的概念，知道 WebGL 的幀緩存技術。
b3dm 瓦片內置的 glTF 模型中，每個 primitive 的 attribute，也即頂點屬性中會加上一個新的屬性，與 POSITION、UV0 等並列，叫做 _BATCHID。
這樣，通過 _BATCHID，使用 WebGL 中的幀緩存技術，在 FBO 上繪制 _BATCHID 的顏色附件，即可完成快速查詢。
要素表通過 BATCH_ID 訪問 批次表里的屬性數據，幾何數據（glTF 中的 vertex）通過 _BATCHID 綁定要素。
3.2 不同模型要素有不同的屬性怎么辦
假設有這么一塊空間范圍，歸屬在 0.b3dm 瓦片內，瓦片的 glTF 模型擁有兩個 BATCH，即兩個要素，為了方便觀察，不妨具象化：
-
空間范圍 = 一個停車場
-
BATCH1 = 充電樁
-
BATCH2 = 電動汽車
如下圖所示：
現在，我用一個簡單的 JSON 來描述這兩個要素的屬性數據：
{
"Charger": {
"Price": 0.5,
"DeviceId": "abcdefg123"
},
"Car": {
"Brand": "Tesla",
"Owner": "Jacky"
}
}
這樣的數據不符合原生批次表的存儲邏輯，即每個 batch 的屬性名稱應完全一致。
顯然，充電樁的 Price（就是單價）、DeviceId 和車子的 Brand（品牌）、Owner 並不是一樣的。
如果用這個擴展來表示，在批次表的 JSON 中將會是：
{
"extensions": {
"3DTILES_batch_table_hierarchy": {
// ...
}
}
}
映入眼簾的是 extensions，它是一個 JSON，下面有一個 3DTILES_batch_table_hierarchy 的屬性，其值也是一個 JSON：
{
"classes": [
{ /* ... */ },
{ /* ... */ }
],
"instancesLength": 2,
"classIds": [0, 1]
}
其中，classes 是描述每個分類的數組，這里有充電樁類、電動汽車類，詳細展開電動汽車類：
[
{ /* 電動汽車類，略 */ },
{
"name": "Car",
"length": 1,
"instances": {
"Brand": ["Tesla"],
"Owner": ["Jacky"]
}
}
]
每個 class 就記錄了該類別下，所有模型要素的屬性值（此處是 Brand 和 Owner），以及有多少個模型要素（length 值，此處是 length = 1 輛車）。
擴展：如果這個 b3dm 又多增加了一個電動汽車，那么這個 JSON 就應該變成下面的樣子了
{
"name": "Car",
"length": 2, // <- 變成 2
"instances": {
"Brand": ["Tesla", "Benz"], // <- 加一個值
"Owner": ["Jacky", "Granger"] // <- 加一個值
}
}
圖示：
3.2.1 屬性：3DTILES_batch_table_hierarchy.classes
classes 代表此 b3dm 內有多少個模型種類，這里有充電樁、汽車兩類。
3.2.2 屬性：3DTILES_batch_table_hierarchy.instancesLength
instancesLength 代表所有模型種類的數量和，這里每個種類都只有 1 個 batch（要素），加起來就是 2
instancesLength 和 b3dm 中要素表的 BATCH_LENGTH 並不是相等的。
當且僅當模型之間不構成邏輯層級時，這兩個數字才相等。顯然，此例中的 “充電樁”和“電動汽車”不構成邏輯分層、從屬關系。
有關這一條，在 3.3 小節中的層級關系會詳細展開。
3.2.3 屬性：3DTILES_batch_table_hierarchy.classIds
classIds 是一個 classId 數組，每個數組元素代表每個 batch 的 分類 id，若兩個 batch 是 classes 數組中的某個 class，那么它倆的 classId 是一樣的。
這個數組去重后的 id 數量，就等於 classes 數組的長度。
例如，classIds: [0,0,0, 1,1]，有 0、1 兩個 classId，那么 classes 數組的長度就應該是 2.
3.3 虛要素：由多個實際的要素構成的屬性
現在，換一個場景，假設有一塊空間，上面有牆模型要素、窗模型要素、門模型要素、屋頂模型、樓板模型要素共 5 類，每個分類有 1、2、1、1、1 個模型要素，即
- 1個牆模型要素
- 2個窗模型要素
- 1個門模型要素
- 1個屋頂模型要素
- 1個樓板模型要素
通過 3.2，很快得到擴展 JSON：
{
"classes": [ /* 5個分類對象 */
{ "name": "Wall", /* length 和 intances 屬性值略 */ },
{ "name": "Window", /* length 和 intances 屬性值略 */ },
{ "name": "Door", /* length 和 intances 屬性值略 */ },
{ "name": "Roof", /* length 和 intances 屬性值略 */ },
{ "name": "Floor", /* length 和 intances 屬性值略 */ },
],
"instancesLength": 6,
"classIds": [0,1,1,2,3,4]
}
顯然，這 6 個模型要素可以構成一個屋子，此時，這 6 個模型要素並無邏輯信息寫在 JSON 中。
那么，現在可以新增一個 class：
{
"classes": [
/* 同上，省略 5 個分類對象 */
{
"name": "House",
"length": 1,
"instances": {
"HouseArea": [48.94]
}
}
],
"instancesLength": 7, // <- 注意，變成 7 了
"classIds": [0,1,1,2,3,4, 5] // <- 注意，多了個 Id
}
這個新增的 House class，它在 glTF 中並沒有對應的一個圖形數據，但是它確確實實就是存在的，由上面 6 個模型要素構成，且有它自己的屬性：HouseArea，房屋面積，其值是 48.94 平方米。
同時，因虛構出來一個模型要素，instancesLength 不得不加一個，且 classIds 也加了一個。
由此，不妨修改一下 instancesLength 的定義：classes 中各個 class 的 length 之和。
提問，此時要素表的 BATCH_LENGTH 與 instancesLength 一樣嗎？
表示從屬關系：屬性 3DTILES_batch_table_hierarchy.parentIds
為了表示 House 類與其他 5 類的關系，新增一個屬性與 classes、instancesLength、classIds 並列：
{
/* 3DTILES_batch_table_hierarchy 三個屬性 classes、instancesLength、classIds，略前兩個 */
"classIds": [0,1,1,2,3,4, 5],
"parentIds": [6,6,6,6,6,6, 6]
}
parentId 是什么呢？
重復一下 3.3 的假設，一共 6 個實體模型要素：1個牆模型要素、2個窗模型要素、1個門模型要素、1個屋頂模型要素、1個樓板模型要素
那么，索引從 0 開始計算，第 2 個是窗模型要素，其 classId 是 classIds[2] = 1，其 parentId = parentIds[2] = 6。
現在，得到它的 parentId 是 6，從 classes 中的 class 挨個往下找，終於在 House 這個 class 找到了第 6 個模型要素（因為 0~5 被前 5 個 class 包了）。
結論
parentId 是 classes 中記錄的所有模型要素的 順序序號，包括實體的模型要素，以及在本小節中提到的虛要素，即 House。
讀者應該注意到了，如果自身已經沒有 parent 了，即它已經是這個 b3dm 中邏輯層級最高的要素模型了，它的 parentId 就是它在 classes 中的順序號本身。
優缺點
優點：強大的可擴展性，理論上可以無限層級嵌套虛擬的要素屬性，十分適合 BIM 數據的構造。
缺點：不易讀寫，不適合 b3dm 的增減。難以修改。
4 再看 “pnts 瓦片的幾何壓縮” 擴展
和 glTF 的 頂點屬性可以被 Google Draco 壓縮工具壓縮一樣，點雲瓦片也支持了此壓縮工具，極大地降低了點雲瓦片的體積。
pnts 中 要素表 的數據壓縮
這個瓦片比起上面那個就簡單多了，它位於 pnts 瓦片的 要素表JSON頭中：
{
"POINTS_LENGTH": 20, // <- pnts 中有多少個點，這里有 20 個點
/* 其他 pnts 要素表屬性，略 */
"extensions": {
"3DTILES_draco_point_compression": {
"properties": {
"POSITION": 0,
"RGB": 1,
"BATCH_ID": 2
},
"byteOffset": 0,
"byteLength": 100
}
}
}
它指示了 pnts 瓦片的 POSITION、RGB、BATCH_ID 三個數據位於要素表二進制塊中，從第 0 個字節開始計，長度為 100 個字節。讀取出來，把這 100 個字節二進制數據交給 Draco 解碼器，就能解碼出來這 20 個點的對應數據。
目前，這個擴展功能僅支持壓縮 pnts 瓦片要素表中的 "POSITION"，"RGBA"，"RGB"，"NORMAL" 和"BATCH_ID" 數據。
被壓縮的數據，例如這里的 POSITION、RGB、BATCH_ID，它們的 byteLength 值一律為 0（原本是指的要素表二進制數據塊的字節起始偏移量）。
pnts 中 批次表 的屬性信息壓縮
Draco 壓縮工具能壓縮的數據類型是數字。所以，批次表中的數據，也可以被壓縮。
假設，某 pnts 瓦片的批次表記錄了 Intensity、Classification 兩個點雲的屬性信息，它的批次表 JSON 如下所示：
{
"Intensity": {
"byteOffset": 0,
"type": "SCALAR",
"componentType": "UNSIGNED_BYTE"
},
"Classification": {
"byteOffset": 0,
"type": "SCALAR",
"componentType": "UNSIGNED_BYTE"
}
}
顯然，兩個屬性信息都是標量，數字類型均為無符號的字節。那么，使用了 Draco 壓縮之后，批次表的 extensions 應寫為：
{
"Intensity": { /* 略，見上 */ },
"Classification": { /* 略，見上 */ },
"extensions": {
"3DTILES_draco_point_compression": {
"properties": {
"Intensity": 3,
"Classification": 4
}
}
}
}
注意
pnts 批次表的 3DTILES_draco_point_compression 擴展只需要 properties 屬性即可，不需要 byteLength 和 byteOffset。
究其原因，Cesium 團隊是將批次表二進制數據一並壓縮進了要素表二進制塊內，而且會把所有被壓縮的屬性，不管是 要素表，還是批次表，的 byteOffset 均歸零。
回顧 pnts 瓦片的規范，若 pnts 瓦片內的點要進行 batch 分類，那么其分類信息在要素表中就記錄得夠詳細了，全局的 BATCH_LENGTH、逐點的 BATCH_ID 足夠將未壓縮的批次表屬性信息訪問出來。
5 即將到來的大變動
- 隱式瓦片
- glTF 瓦片
- 元數據
- ...
精力有限，以后有可能的話專門出一個專題講解更新中的擴展項。
6 再談 extensions 和 extras
某個 extensions 用到的具體數據，如果不方便寫在 extensions 的 JSON 中，可以掛在 extras 中。