傾斜攝影模型輕量化及網絡加載關鍵技術研究

摘" 要：隨著實景三維中國建設的推行和開展，傾斜攝影模型作為城市級實景三維主要數據類型，因其高度還原的真實場景，逐漸在越來越多的行業生產中充當著數據基底的作用。盡管如此，這種高精度的模型也面臨著數據量大、顯示效率低等挑戰。針對這些問題，文章提出一套綜合的模型輕量化和網絡動態加載技術方案，以四川省某區域的傾斜攝影數據作為實例，驗證了這些技術路線的有效性。研究結果顯示，該方案顯著提升了傾斜攝影模型的顯示效率，為其在多個行業的生產應用開辟了新徑。

關鍵詞：傾斜攝影模型；OSGB；輕量化；數據加載

中圖分類號：TP39；P231" 文獻標識碼：A" 文章編號：2096-4706（2024）21-0130-05

Research on Key Technologies for Lightweighting and Network Loading of Oblique Photography Model

DU Weisong1， ZENG Yu1，2， LI Xiangying1， YUAN Yaming1，2， JIANG Jianlin1

（1.Surveying and Mapping Geographic Information Center， Sichuan Institute of Geological Survey， Chengdu" 610072， China; 2.Key Laboratory of Investigation， Monitoring， Protection and Utilization for Cultivated Land Resources， Ministry of Natural Resources， Chengdu" 610072， China）

Abstract： With the implementation and development of constructing 3D real scene in China， the oblique photography model is used as the main data type of city-level 3D real scene， and has gradually played the role of database in more and more industry production because of its highly restored real scene. Nevertheless， this high-precision model also faces challenges of large data volume， low display efficiency， and so on. To address these issues， this paper proposes a set of comprehensive model lightweight and network dynamic loading technology solutions. Taking the oblique photography data of a certain area in Sichuan province as an example， the effectiveness of these technical routes is verified. The research results show that this scheme significantly improves the display efficiency of the oblique photography model， opening up new paths for their production application in multiple industries.

Keywords： oblique photography model; OSGB; lightweighting; data loading

0" 引" 言

在當代信息化和智能化技術的快速發展中，空間數據扮演著日益重要的角色，尤其是三維模型數據，它在信息載體能力和空間表現力方面相比傳統二維空間數據具有顯著的優勢。特別是傾斜攝影模型，以其高度的場景還原真實性和廣泛的應用價值，在空間數據領域中的占比逐漸增加。傾斜攝影模型作為一種創新的三維空間數據形式，雖然在真實感和應用價值方面表現出色，但在實際應用中仍然面臨諸多挑戰。一方面，為了更真實地復現現實世界的細節，傾斜攝影模型通常需要高精度的數據生產，導致其紋理和結構數據量巨大，使得數據體量急劇增加[1]。另一方面，由于數據結構的限制，傾斜攝影模型的數據文件較為分散，這在一定程度上降低了數據復制和加載的效率，尤其是在網絡環境下，瀏覽器端的數據加載渲染效率較低，影響了其進一步的生產應用[2]。

盡管已有研究從數據處理角度探討了如何提高傾斜攝影模型的請求和渲染效率，例如帖黎陽等人通過合并傾斜攝影瓦片的根節點來減少數據節點，提高網絡加載速度[3]；李淑榮等人探索了紋理壓縮對數據量的影響[4]；羅萬波等人通過構建不同級別的細節層次（Levels of Detail， LOD）改善了模型的加載速度[5]。然而，大多數研究尚未形成一個全面的傾斜模型輕量化方案。此外，從網絡和瀏覽器的數據請求機制出發，關于多節點數據部署、多線程請求等技術如何影響數據加載與渲染效率，缺乏詳盡的探討。

本文以四川省某區域的傾斜攝影數據為例，探索傾斜攝影模型輕量化最優技術路徑，同時將基于實際的網絡數據請求和獲取機制，結合Cesium模型的加載參數設定，探索和驗證傾斜攝影模型網絡動態加載的關鍵方法，以期解決傾斜攝影模型在實際應用中遇到的網絡加載效率低下等關鍵技術問題，提升其在生產和應用中的實際效能。

1" 數據源

當前傾斜攝影模型的主流數據格式為OSGB（Open Scene Gragh Binary），是OSG（Open Scene Graph）三維實時場景圖形開發引擎中用于存儲場景圖形數據的OSG數據二進制文件形式。

本文以四川省宜賓市部分區域傾斜攝影數據作為測試數據，數據格式為OSGB，數據量大小為820 GB，測區總面積為8.5 km2。通過對原數據進行一系列輕量化處理，基于Cesium平臺測試各優化技術對傾斜攝影數據在網絡加載中加載效率的影響，并結合網絡數據請求獲取機制與Cesium模型加載參數設定，探索傾斜攝影模型輕量化與動態加載的最佳技術路線。

2" 傾斜攝影模型輕量化方案

由于傾斜攝影模型通常包含大量的數據和復雜的三維結構，導致其在存儲和渲染上需要消耗大量的資源。為了解決這一問題，本文將介紹一種傾斜攝影模型輕量化方案，該方案旨在不顯著降低模型質量的前提下，減少模型的存儲大小和提高渲染效率。首先對數據根節點合并、頂點優化、紋理壓縮等現有的技術進行分析研究，然后分別運用上述技術對源數據進行處理，最后對結果進行分析比較，得出最佳的輕量化技術路線。

2.1" 合并根節點技術

傾斜攝影測量數據生產成果文件時以分幅圖的方式進行分塊存儲，這就不免會造成分幅過多，進而導致根節點過多的問題[1]。在場景載入的過程中，所有頂層的LOD瓦片都需要被一次性地載入進來，這造成了巨大的資源占用和CPU等待時間，甚至會造成系統耗盡所有的資源而崩潰。如圖1所示，合并根節點采用LOD技術自低而上地對相鄰一定空間范圍的根節點進行合并，對原有數據模型進行聚合，向上抽稀為一個特征根節點。當前主流算法邏輯為每次根節點合并都是將每4個根節點合并為1個，每合并一次，模型根節點數量減少約為原始數量的1/4[6]。根節點的數量并非越少越好，合并根節點的同時單個瓦片數據的體量也在增加，瀏覽的區域相同時，發送的請求數量減少了，但是請求到的單個數據體量增加了，如在瀏覽器端會出現數據加載卡頓的情況。

目前行業主流的傾斜攝影模型數據處理軟件均提供合并根節點功能，在執行該功能時需要設定合并層級參數，該參數用以控制根節點合并的次數與程度，其數值即根節點合并的次數，本文研究區域傾斜攝影模型820 GB，根節點為135個，通過研究發現，根節點小于10個，同時S3MB單個文件大小不超過5 MB效果較好，故本文將合并層數設定為2級，其合并后的根節點就控制在10個以內。

2.2" 頂點優化技術

傾斜攝影模型的表面結構信息是以三角網的形式進行存儲的。將傾斜攝影獲取的影像中地面特征點進行三角剖分，生成一系列相互連接的三角形，基于這些三角形創建了地表的三維表示。為了更精細、更真實地重現建模場景，需要足夠多的節點來組成三角網進而體現盡可能多的模型細節。

頂點優化，就是采用技術手段來簡化或減少模型節點，使得模型的節點規模得到有效減少，從而優化模型結構，減輕圖形渲染的負擔，提高性能。本文采用Draco壓縮算法減少頂點數據的存儲量以及MeshOpt壓縮算法進行三維圖形優化的方式，分別來進行模型的頂點壓縮，并對比兩種算法的優化效率。

2.2.1" Draco壓縮算法

Draco是由Google開發的一種開源的頂點壓縮庫，專門用于三維圖形模型的壓縮。其機制是通過減少頂點數據的存儲量，來達到頂點壓縮的目的，壓縮過程中，頂點數量不會減少。Draco算法支持實現不同等級的壓縮，壓縮等級越高，壓縮率越大，數據精度損失也會比較大，通常要根據模型應用環境來平衡壓縮比和數據量。

2.2.2" MeshOpt壓縮算法

MeshOpt（Mesh Optimization）是一個由Arseny Kapoulkine開發的開源庫，用于進行三維圖形模型的優化。MeshOpt不同于Draco壓縮算法，MeshOpt的機制為刪除模型中非必要節點，對應模型渲染展示效果而言，即刪除不顯著的細節信息，進而減小模型的復雜性，同時盡可能保留視覺質量，以期達到兩者之間的平衡。

2.3" 紋理壓縮技術

OSGB文件通常采用JPG格式作為紋理格式。然而，JPG格式紋理不能直接被GPU識別，必須先通過CPU解碼成像素格式后才能送至GPU進行處理，這一額外步驟延長了模型渲染時間，降低了加載效率[3]。

由于直接可被GPU讀取的原生紋理格式如A8R8G8B8在內存占用上相對較高，傾斜攝影模型紋理因此需要一種既能被GPU直接讀取又具有較小內存占用的新格式，即壓縮紋理格式。本文采用DXT算法來進行紋理色彩上的壓縮，以及采用WebP算法將紋理質量進行壓縮，對比兩種紋理壓縮方式的效果。

2.3.1" DXT紋理壓縮格式

DXT是由S3 Graphics開發的一種有損紋理壓縮算法，采用DXT紋理壓縮技術，JPG的紋理格式將轉為DXT格式，DXT格式可以被GPU直接讀取，以提高紋理載入速度。DXT壓縮方式會進行紋理色彩上的壓縮，原紋理格式每像素塊均使用RGBA四通道每通道8字節的存儲方式，即每個像素塊的顏色值需要8×4 = 32字節來存儲，而DXT中DXT5格式中，每個像素僅使用8字節，體積減小了75%。

2.3.2" WebP紋理壓縮格式

WebP是一種由Google開發的開源圖像格式，主要用于在Web上加速圖像加載，減小圖像文件的大小，從而提高頁面加載速度。

有損WebP壓縮使用的圖像編碼方式，類似于視頻壓縮技術中的抽幀，選擇性的圖像進行編碼，利用圖像已編碼部分預測未編碼部分，以此控制大小。當WebP將紋理質量壓縮到相當于原圖質量的90%時，圖片體積會減小50%左右[7]。WebP主要用于Web上，特別是在網頁和移動應用的圖像優化中。

2.4" 結果驗證分析

2.4.1" 合并根節點

采用合并根節點的方法去模型進行處理，設定測試方式為將視角調整到可以俯瞰整個傾斜攝影模型的高度，分別加載未合并根節點和合并根節點的兩期模型，記錄整個模型被完整渲染完成所需要的時間。實驗結果表明合并根節點的模型加載時間要明顯優于未合并根節點的，如表1所示。

2.4.2" 頂點優化

使用上述Draco和MeshOpt分別對模型進行頂點優化，設定測試方式為將視角拉至可觀測模型細節的高度，分別加載不同處理方式下的模型，記錄模型紋理被完全渲染所需要的時間。頂點優化后的數據體量和加載時間的對比如表2所示，經Draco和MeshOpt優化后模型的體量均小于原始數據，經過頂點優化后的模型加載時間均明顯少于未經優化的原模型，其中經MeshOpt優化后模型的加載時間要略微少于Draco優化后的。

2.4.3" 紋理壓縮

使用上述的WebP和DXT紋理壓縮算法對模型進行壓紋理縮處理，設定測試方式為將視角拉至可觀測模型紋理的高度，分別加載不同處理方式下的模型，記錄模型經處理后的體量和紋理被完全渲染所需要的時間。結果如表3所示，經WebP和DXT壓縮后的模型體量均減少了3倍以上，在處理后的模型加載時間上，使用兩種算法處理后的模型的加載時間有明顯的減少?？傮w來看，WebP算法的紋理壓縮效果要優于DXT算法。

2.4.4" 聯合測試

模型經合并根節點處理后，將以上頂點優化和紋理壓縮的手段進行組合，分別測試壓縮效果與所需時間。從表4中可以看出，經Draco頂點優化和WebP紋理壓縮組合的方式處理后的模型數據量最?。辉诩虞d時間上，模型經MeshOpt和DXT處理后的加載時間最少，如表5所示。

通過以上實驗分析對比發現，傾斜模型通過頂點優化，可以壓縮或減少不必要頂點信息，其中針對Web瀏覽器渲染效率提高的作用上，MeshOpt效果最佳；通過紋理壓縮，可以將紋理數據轉換成GPU能直接讀取的數據格式，減少數據解碼時間，同時該技術可以壓縮紋理數據大小，縮短瀏覽器渲染數據過程中紋理圖片下載的時間，進一步縮短數據加載時間，其中WebP效果最佳。經過頂點優化和紋理壓縮算法的聯合測試，模型經MeshOpt和DXT處理后，雖在數據量上不是最小的，但加載時間最少，針對瀏覽器加載渲染的應用目的而言，在電腦內存充足的情況下，應優先選擇加載時間最少的，故傾斜攝影輕量化的最佳技術路線為：合并根節點＋MeshOpt頂點優化＋DXT紋理壓縮，如圖2所示。

3" 傾斜攝影模型網絡動態加載

3.1" Cesium加載優化參數

在傾斜攝影模型網絡動態加載中，Cesium能夠有效地優化3D Tiles的加載效率和渲染性能，提供了一系列可選參數以支持這些優化。本文通過調整skipLevelOfDetail和dynamicScreenSpaceError這兩個關鍵參數，來提升數據處理效率和渲染質量。

1）跨層級加載參數（skipLevelOfDetail）。參數skipLevelOfDetail啟用了一種跨細節層次（LOD）的加載機制。在Cesium的3D Tiles處理框架中，默認情況下，視圖會根據用戶視角與模型的相對位置動態地逐級調整LOD，以保證渲染的細節與視角距離相匹配。然而，這種逐級加載的方法，盡管在維持視覺質量方面表現出色，卻可能導致加載時間的增加、網絡請求的累積以及內存使用的提升。

本文通過將skipLevelOfDetail設置為true，在縮放過程中，當視角變化跨多級LOD時，瀏覽器將不會逐級加載LOD，而是直接略過中間等級，加載最高等級的LOD。其中，并非完全跳過了中間層級，而是使用了部分渲染技巧，來準確地混合加載視角范圍內多個LOD細節層級。實踐表明，這種方法能夠顯著減少加載時間和資源消耗，通常能夠在加載時間和內存使用上實現30%～50%的節省。

2）動態屏幕空間誤差（dynamicScreenSpace-Error）。DynamicScreenSpaceError參數引入了一種基于屏幕空間誤差的動態調整機制，可以在不犧牲用戶體驗的前提下，優化渲染性能。本文在Cesium創建Cesium3DTileset對象時，將DynamicScreenSpaceError參數設置為true，此設置通過將用戶視野較遠處的瓦片以較低的細節級別渲染，而將近處的瓦片以更高的細節級別展現，從而減少平貼圖數量和網絡請求，同時保持了渲染效果的質量，網絡加載參數設置如圖3所示。

3.2" 多節點數據部署與多線程數據請求

在現代網絡應用中，瀏覽器對于同一主機域名的并發連接數限制可能導致數據加載的瓶頸，尤其是在同時請求大量數據切片的情況下。當并發請求超出瀏覽器限制時，未完成的請求會阻塞后續請求，導致其余數據的下載暫停，從而引起頁面響應緩慢或卡頓。此外，當多個客戶端同時向同一服務器請求數據時，服務器的硬件性能，特別是數據存儲和讀取速度，成為影響數據獲取效率的另一個關鍵因素。

為了有效解決這一問題，本文采用多節點數據部署與多線程數據請求策略。通過將數據切片分布式存儲于多個服務器節點并提供服務，來平衡高峰期對單一服務器的請求負載，優化數據的存取速度和響應時間。這種多節點部署方式有助于緩解由于單一服務器性能瓶頸或并發連接數限制導致的數據服務延遲。

在客戶端，傳統的單線程數據請求模式可能因連續請求不同節點的數據而產生分區加載效果，影響用戶體驗。為了克服這一限制，本文在瀏覽器端利用Web Worker技術創建多個工作線程，并將數據請求任務分配到不同的線程中，使得腳本能夠在與主頁面環境（Window對象）隔離的后臺線程中運行，從而允許并行處理數據請求和渲染任務。通過這種方式，可以有效避免因單一任務的執行而導致的數據請求堵塞問題，顯著提升了應用的性能和響應速度。多節點數據部署與多線程數據請求示意圖如圖4所示。

3.3" 結果驗證分析

經前端的多節點數據部署與多線程數據請求設計[8-10]，局部傾斜攝影場景優化前和優化后的對比如圖5所示。

以上實驗發現，分節點數據部署可以有效地緩解單服務器節點可能遭遇的請求連接數超限和硬件性能不足等問題，同時多線程數據加載技術可以配合多節點數據部署，同步請求加載大范圍模型數據的分區數據，進而實現多區數據同時加載，提高瀏覽器請求渲染大范圍傾斜攝影模型的效率。

4" 結" 論

隨著城市規劃和管理對精確三維數據需求的不斷增長，傾斜攝影模型作為提供這些數據的重要手段受到了廣泛關注。本文深入探討了傾斜攝影模型輕量化和網絡動態加載的關鍵技術，并進行了實踐驗證，成功地提出了一種輕量化技術方案，通過采用合并根節點、MeshOpt頂點優化以及DXT紋理壓縮的技術路線，不僅顯著提高了大數據量傾斜攝影模型的加載與渲染效率，而且確保了滿足精度的要求。此外，研究了多節點數據部署與多線程數據請求模型，為前端加載技術提供了多樣化的方法，提高了前端加載效率，進一步促進了傾斜攝影模型數據在實際生產中的應用。結合本研究的成果，未來的工作可以根據不同的應用場景和數據特點，對所提出的方法進行細化和優化，以進一步提升傾斜攝影模型的顯示效率。

參考文獻：

[1] 王文凱，黃昆學，李夢，等.傾斜攝影測量數據輕量化處理技術研究 [J].測繪通報，2020（9）：123-126.

[2] 王昱霏，李紹彬.傾斜攝影模型優化和動態加載的關鍵技術研究 [J].計算機仿真，2023，40（11）：279-283.

[3]帖黎陽，朱大明，楊潤書.商業化傾斜攝影測量數據的優化方法及效率研究 [J].中國水運：下半月，2021，21（1）：143-144+147.

[4] 李淑榮，李鋒.傾斜攝影模型后處理與建庫研究 [J].城市勘測，2017（2）：98-101.

[5] 羅萬波，陳小鴻，謝祖明.基于Skyline三維實景模型在三維GIS中的應用——以晉江三維實景地理信息系統為例 [J].測繪與空間地理信息，2016，39（7）：94-96+100.

[6] 彭暉兒，徐佳沅.基于WEB 3D的傾斜三維數據管理與發布技術研究 [J].測繪與空間地理信息，2020，43（8）：155-157+160.

[7] X技術.基于WebP壓縮算法的多圖處理的FPGA加速方法與流程 [EB/OL].[2024-02-16].https：//www.xjishu.com/zhuanli/55/202010653783.html.

[8] 單杰，李志鑫，張文元.大規模三維城市建模進展 [J].測繪學報，2019，48（12）：1523-1541.

[9] 汪永強，曹曉輝，李德江.基于Android平臺的海量真三維數據顯示技術 [J].測繪與空間地理信息，2020，43（S1）：70-72.

[10] 甘麟露.基于Web的大規模三維城市模型可視化關鍵技術研究 [D].長沙：國防科技大學，2017.

作者簡介：杜偉松（1999—），男，漢族，河北邢臺人，助理工程師，本科，主要研究方向：自然資源領域的信息化建設。

基金項目：四川省地質調查研究院財政支持科研項目（SCIGS-CZDXM-2023005）