当前位置: 首页 > news >正文

Cesium的模型(ModelVS)顶点着色器浅析

来自glTF和3D Tiles的模型会走ModelVS.glsl。这个文件不单独是把模型顶点转换为屏幕坐标,还包含了丰富的处理过程。

Cesium是根据定义的Define判断某个行为是否需要被执行,比如#define HAS_SILHOUETTE,说明需要计算模型外轮廓线。

Cesium的ModelVS.glsl中可能并不直接实现某个方法,而是留给具体的行为赋予该方法实际的实现。这种策略的好处是ModelVS已经定义了流水线的整体逻辑,避免混乱。

1、定义解释

positionMC  模型坐标(Model Coordinates)。

ProcessedAttributes 这个结构体的定义比较隐晦,很难找到出处,相关代码如下:

//\engine\Source\Scene\Model\GeometryPipelineStage.js
shaderBuilder.addStruct(GeometryPipelineStage.STRUCT_ID_PROCESSED_ATTRIBUTES_VS,"ProcessedAttributes",ShaderDestination.VERTEX,
);
//主要有如下三个数据组成。
struct ProcessedAttributes
{vec3 positionMC;vec3 normalMC;vec2 texCoord_0;
};

2、dequantizationStage(去量化阶段)

这部分的glsl同样隐蔽,是由DequantizationPipelineStage.js在运行时生成的。

首先传入的模型需要定义一个quantization的Attribute。量化算法包括octEncodedDequantizeLine方法。其中octEncoded的算法是十进制(或256这样的进制)进行降维,比如(1,2)在256维可以表示为1*256+2=258。DequantizeLine算法也差不多,比如

attributes.texCoord_0 = model_quantizedVolumeOffset_texCoord_0 + a_quantized_texCoord_0 * model_quantizedVolumeStepSize;

3、morphTargetsStage和skinningStage(骨骼动画阶段)

跟dequantizationStage一样,代码也是运行时生成(MorphTargetsPipelineStage.js)。

动画我暂时就不展开,主要涉及morphedPosition、morphedNormal、morphedTangent三个关键属性。

4、primitiveOutlineStage(基本图元边界渲染阶段)

它要有元素(primitive)有outlineCoordinates这个Attribute。系统会创建一个model_outlineTexture的材质,在对应的线段上绘制出对应的颜色。

5、计算bitangentMC

这个数值一般传递到片元着色器去计算更好的纹理效果。

7、selectedFeatureIdStage

7.1、featureIdStage(存储featureId)

这个阶段主要为了接下来的自定义渲染、拣选。需要用到图元的featureIds。在这个阶段没有做什么复杂的事情,就是把用户的featureId转换为标准的featureId_N。这样在后面的自定义渲染等地方,就可以直接采用标准的featureId_N。

 7.2、ModelFeatureTable

要说到模型特征,必须提到BatchTable。以B3DM为例,它会根据其MetadataTable(属性表)创建ModelFeatureTable。 更多关于featureID的介绍可以看文CustomShaderGuide

7.2.1、它的出生

ModelFeatureTable最重要的一个属性是batchTexture。我们知道Cesium是最喜欢把数据存在Texture中的。

batchTexture就创建一个B3DM要素(Node)一样多的像素点的材质(面向GPU 的Texture)。因为GPU引擎可以创建的最大材质长度非常大(ContextLimits.maximumTextureSize=16384),因此这个贴图一般就一条线。这个材质按顺序存储RGBA颜色,且初始为白色。

7.2.2、它的多彩

如果设置了3dTiles的样式(Cesium3DTileStyle),那么默认创建的这个材质就要更新了。它会重新创建新的材质(Texture)。这时候这个材质的像素颜色就会变成用户针对每个ID的特定颜色了。

7.3、selectedFeatureIdStage

到了着色器阶段,一切就顺利成章了。首先在顶点着色器会读取每个顶点的attributes.featureId_0。然后根据这个值找到batchTexture的颜色。

这个颜色会跟模型本身的颜色进行混合,当然这是片元着色器的事情了。

baseColorWithAlpha.rgb = blend(baseColorWithAlpha.rgb, feature.color.rgb, model_colorBlend);

8、InstancingStage实例化阶段

这个阶段主要是计算I3DM模型实例的具体位置,I3DM实例会提供instancingTransform数据或者TS(translation、scale)两个数值来计算实例化矩阵。

9、geometryStage几何位置计算阶段

该阶段执行正常的PVM方法。

10、silhouetteStage 模型外轮廓高亮阶段

求得模型轮廓的方法,是基于顶点的法向。如果顶点法向与射线法向垂直,那么这就是一个轮廓线。当然正常情况下,是很难有非常准的垂直法向。因此只要满足一定阈值即可。

vec3 normal2 = normalize(czm_normal3D * attributes.normalMC);
normal2.x *= czm_projection[0][0];
ormal2.y *= czm_projection[1][1];
positionClip.xy += normal2.xy *50.0 *positionClip.w * czm_pixelRatio / czm_viewport.z;

而其中的 positionClip.w表示深度值,越靠近值越小。它可以让模型在远处也有一段轮廓边界。

 

相关文章:

Cesium的模型(ModelVS)顶点着色器浅析

来自glTF和3D Tiles的模型会走ModelVS.glsl。这个文件不单独是把模型顶点转换为屏幕坐标,还包含了丰富的处理过程。 Cesium是根据定义的Define判断某个行为是否需要被执行,比如#define HAS_SILHOUETTE,说明需要计算模型外轮廓线。 Cesium的…...

机器人领域中的scaling law:通过复现斯坦福机器人UMI——探讨数据规模化定律(含UMI的复现关键)

前言 在24年10.26/10.27两天,我司七月在线举办的七月大模型机器人线下营时,我们带着大家一步步复现UMI,比如把杯子摆到杯盘上(其中1-2位学员朋友还亲自自身成功做到该任务) 此外,我还特地邀请了针对UMI做了改进工作的fastumi作者…...

C++之多态的深度剖析

目录 前言 1.多态的概念 2.多态的定义及实现 2.1多态的构成条件 2.1.1重要条件 2.1.2 虚函数 2.1.3 虚函数的重写/覆盖 2.1.4 选择题 2.1.5 虚函数其他知识 协变(了解) 析构函数的重写 override 和 final关键字 3. 重载,重写&…...

Microsoft Office PowerPoint制作科研论文用图

Microsoft Office PowerPoint制作科研论文用图 1. 获取高清图片2. 导入PPT3. 另存为“增强型windows元文件”emf格式4. 画图剪裁 1. 获取高清图片 这里指通过绘图软件画分辨率高的图片,我一般使用python画dpi600的图片。 2. 导入PPT 新建一个PPT(注意&a…...

go语言进阶之并发基础

并发 什么是并发,也就是我们常说的多线程,多个程序同时执行。 并发的基础 线程和进程 进程 进程是操作系统中一个重要的概念,指的是一个正在运行的程序的实例。它包含程序代码、当前活动的状态、变量、程序计数器和内存等资源。进程是系…...

po、dto、vo的使用场景

现在项目中有两类模型类:DTO数据传输对象、PO持久化对象,DTO用于接口层向业务层之间传输数据,PO用于业务层与持久层之间传输数据,有些项目还会设置VO对象,VO对象用在前端与接口层之间传输数据,如下图&#…...

聊一聊Elasticsearch的一些基本信息

一、Elasticsearch是什么 Elasticsearch简称ES,是一款分布式搜索引擎。它是在Apache Lucene基础之上采用Java语言开发的。 Elasticsearch的官方网站对它的解释是:Elasticsearch是一个分布式、RESTful的搜索和数据分析引擎。 通过上边的官方解释&#…...

Unity 两篇文章熟悉所有编辑器拓展关键类 (上)

本专栏基础资源来自唐老狮和siki学院,仅作学习交流使用,不作任何商业用途,吃水不忘打井人,谨遵教诲 编辑器扩展内容实在是太多太多了(本篇就有五千字) 所以分为两个篇章而且只用一些常用api举例&#xff0c…...

Spring SPI、Solon SPI 有点儿像(Maven 与 Gradle)

一、什么是 SPI SPI 全名 Service Provider interface,翻译过来就是“服务提供接口”。基本效果是,申明一个接口,然后通过配置获取它的实现,进而实现动态扩展。 Java SPI 是 JDK 内置的一种动态加载扩展点的实现。 一般的业务代…...

合并排序算法(C语言版)

#include <stdio.h> void Copy(int *a, int *b, int left, int right) { int i; for(i0;i<right-left1;i) { a[ileft] b[i]; } } // 将 a[left,middle] 和 a[middle1,right]合并到 b[left, right]中 void Merge(int *a, int left, int midd…...

C++——输入一行文字,找出其中的大写字母、小写字母、空格数字以及其他字符各有多少。用指针或引用方法处理。

没注释的源代码 #include <iostream> using namespace std; int main() { char c; int ul0,ll0,sp0,di0,other0; cout<<"please input script c:"; while(cin.get(c)) { if(c\n) break; else if(c>A&&…...

【skywalking】maximum query complexity exceeded 3336 > 3000

问题 skywalking相关版本信息 jdk&#xff1a;17skywalking&#xff1a;10.1.0apache-skywalking-java-agent&#xff1a;9.3.0ElasticSearch : 8.8.2 问题描述 maximum query complexity exceeded 3336 > 3000 最大查询复杂度超过3336>3000 可能原因 查询条件过于复…...

开源一个开发的聊天应用与AI开发框架,集成 ChatGPT,支持私有部署的源码

大家好&#xff0c;我是一颗甜苞谷&#xff0c;今天分享一个开发的聊天应用与AI开发框架&#xff0c;集成 ChatGPT&#xff0c;支持私有部署的源码。 介绍 当前系统集成了ChatGPT的聊天应用&#xff0c;不仅提供了基本的即时通讯功能&#xff0c;还引入了先进的AI技术&#x…...

开发了一个成人学位英语助考微信小程序

微信小程序名称&#xff1a;石榴英语 全称&#xff1a;石榴英语真题助手 功能定位 北京成人学士学位英语辅助学习工具&#xff0c;包含记高频单词&#xff0c;高频词组&#xff0c;专项练习&#xff0c;模拟考试等功能。 开发背景 个人工作需要提高学习英文水平&#xff…...

LeetCode16:最接近的三数之和

原题地址&#xff1a;. - 力扣&#xff08;LeetCode&#xff09; 题目描述 给你一个长度为 n 的整数数组 nums 和 一个目标值 target。请你从 nums 中选出三个整数&#xff0c;使它们的和与 target 最接近。 返回这三个数的和。 假定每组输入只存在恰好一个解。 示例 1&#xf…...

VisualStudio2022配置2D图形库SFML

文章目录 1. 下载安装SFML库2. 创建C项目并配置SFML配置include目录和库目录链接SFML库配置动态链接库 3. 测试 1. 下载安装SFML库 SFML&#xff08;Simple and Fast Multimedia Library&#xff09;C库&#xff0c;适合2D游戏和图形界面&#xff0c;提供了以下模块&#xff1…...

「Mac畅玩鸿蒙与硬件4」鸿蒙开发环境配置篇4 - DevEco Studio 高效使用技巧

本篇将进一步介绍如何在 DevEco Studio 中高效使用各种功能&#xff0c;通过掌握快捷键、代码补全、调试工具等&#xff0c;帮助开发者在鸿蒙应用开发中大幅提升工作效率。 关键词 DevEco Studio快捷键代码补全调试工具项目导航 一、快捷键与高效操作 快捷键是提升开发效率的…...

构建生产级的 RAG 系统

对 RAG 应用程序进行原型设计很容易&#xff0c;但要使其高性能、健壮且可扩展到大型知识语料库却很困难。 本指南包含各种提示和技巧&#xff0c;以提高 RAG 工作流程的性能。我们首先概述一些通用技术 - 它们按照简单到复杂的顺序进行排列。然后&#xff0c;我们将更深入地研…...

完全透彻了解一个asp.net core MVC项目模板2

这是《完全透彻了解一个asp.net core MVC项目模板》的第二篇&#xff0c;如果你直接进入了本篇博文而不知道上下文&#xff0c;请先阅读《完全透彻了解一个asp.net core MVC项目模板》的第一篇。 文章目录 一、补充几个问题1、有关导航链接和Tag Helper2、_ViewStart.cshtml与…...

uniapp 如何调用音频

uniapp调用音频 button点击 <view><button click"startPlay">开始播放</button></view>方法实现 startPlay() { const innerAudioContext uni.createInnerAudioContext();innerAudioContext.src /static/sounds/oqc.mp3;innerAudioContex…...

从 0 到 1:用魔珐星云打造真实可用的智能健身私教【技术原理文章】

> 我在学习具身智能的实战文章&#xff0c;本文为技术文章&#xff0c;非广告一、健身交互痛点&#xff1a;传统数字人 / 健身工具缺失沉浸式陪伴式互动日常健身长期存在行业共性痛点&#xff1a;不管是纯视频课程&#xff0c;还是传统云端实时交互数字人&#xff0c;都难以…...

Perplexity案例法检索深度解析(工业级RAG系统落地避坑手册)

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;Perplexity案例法检索深度解析&#xff08;工业级RAG系统落地避坑手册&#xff09; Perplexity作为衡量语言模型预测不确定性的核心指标&#xff0c;在RAG系统中并非仅用于后处理重排序&#xff0c;而是…...

Flink 2.2集成Flink CDC 3.6

1 、部署Flink CDC tar -zxf flink-cdc-3.6.0-2.2-bin.tar.gz -C /usr/bigtop/3.3.0/usr/libln -s /usr/bigtop/3.3.0/usr/lib/flink-cdc-3.6...

【论文阅读】ManiFlow: A General Robot Manipulation Policy via Consistency Flow Training

快速了解部分 基础信息&#xff08;英文&#xff09;&#xff1a; 1.题目: ManiFlow: A General Robot Manipulation Policy via Consistency Flow Training 2.时间: 2025.09 3.机构: University of Washington, UC San Diego, Nvidia, Allen Institute for AI 4.3个关键词: Fl…...

剪映专业版教程:制作堆排序算法原理演示视频

前言 今天教大家用剪映制作堆排序算法的原理演示视频。堆排序的原理是&#xff1a;先将无序序列构建成一个小根堆&#xff08;堆顶元素是整个堆中最小的&#xff09;&#xff0c;然后反复取出堆顶元素放到有序序列末尾&#xff0c;再将剩余元素重新调整成小根堆&#xff0c;重…...

Lovable主题定制深度教程:不改一行PHP代码,实现品牌专属UI/UX升级(仅限当前版本v4.8.3私有补丁包)

更多请点击&#xff1a; https://codechina.net 第一章&#xff1a;Lovable主题定制深度教程&#xff1a;不改一行PHP代码&#xff0c;实现品牌专属UI/UX升级&#xff08;仅限当前版本v4.8.3私有补丁包&#xff09; Lovable v4.8.3 通过其增强型 CSS 变量体系与声明式主题注入…...

用AI 30分钟搞一个Todo应用?这事到底靠不靠谱

用AI 30分钟搞一个Todo应用&#xff1f;这事到底靠不靠谱 先说结论AI辅助生成代码骨架确实能缩短初始搭建时间&#xff0c;但调试、联调、部署环节的效率提升远不如宣传的20倍。这个流程更适合原型验证和个人小工具&#xff0c;不适合需要长期维护、协作或复杂业务逻辑的项目。…...

交互形态的深层迭代:从文本到具象化表达

行业在探索智能交互形态时&#xff0c;会发现一个共性现象&#xff1a;不少智能体的逻辑与生成能力已经成熟&#xff0c;但对外交互始终局限在文本对话框。 过去一年&#xff0c;行业主流做法高度趋同&#xff1a;大模型对接知识库、工具调用、流程编排&#xff0c;最终收敛为文…...

YAML | The Norway Problem

注&#xff1a;本文为 “YAML | The Norway Problem” 相关合辑。 英文引文&#xff0c;机翻未校。 略作重排&#xff0c;如有内容异常&#xff0c;请看原文。 The Norway Problem - why StrictYAML refuses to do implicit typing and so should you 挪威问题 - 为什么 Stric…...

观察Taotoken在多模型聚合调用下的月度账单明细

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 观察Taotoken在多模型聚合调用下的月度账单明细 对于个人开发者或项目组而言&#xff0c;在项目中集成多个大语言模型&#xff08;…...