实现密集数据的可视化

工程部可视化团队

在过去几年中，我们的可视化工程团队一直在开发软件，以便从Hovermap 收集的数据中提供见解。收集到的密集数据及其众多应用导致对点云可视化工具的需求，该工具必须满足许多技术要求，以便最大限度地提高Hovermap 客户的用户体验。本系列文章深入探讨了Emesent可视化软件的考虑领域和创新解决方案。

可视化工程团队开始使用虚幻引擎构建一个可视化应用程序，虚幻引擎是一种3D 开发工具，用于3D 游戏、建筑和工程软件。其中包括一个LiDAR 点云插件，我们可以用它来显示我们的点云。该插件使用 Octree 空间分区与点预算相结合，从云中的所有点中选择最佳点进行显示。点预算将显示的点限制在渲染器或图形处理器（GPU）所能承受的范围内。

采用这种方法的好处之一是，即使在探索数十亿个点时，我们也只渲染当前视口中较小的点子集，即使如此，也只渲染视觉上最相关的点。因此，在探索这些数据时，我们可以保持高度互动的帧速率。

这种技术的缺点是，我们只能探索算法认为相关或重要的数据。点预算越低，这些算法决定对最终输出的影响就越大。有一些方法可以解决这个问题，例如使用较大的点尺寸将点与曲面混合。不过，这基本上是合成数据，而不是 "真实 "数据。

Hovermap 数据并不需要这样做，因为它生成的点云非常密集，无需合成就能获得细节。因此，自项目启动以来，我们一直在对插件进行扩展，以适应我们的高密度数据。

我们的早期扩展之一是为SLAM 处理软件生成的点属性添加支持。我们加入了对显示强度、时间、环数、范围和真彩色属性的支持。

另一个目的是将单帧渲染预算最大化到 1 亿点，远远超过虚幻软件的渲染预算。

Hovermap 在Emesent的多帧渲染之前进行扫描。

Emesent可视化应用程序中的多帧渲染功能将使用户能够快速探索包含数十亿个点的Hovermap 数据集。

但这并不符合要求。Hovermap 可捕获数十亿个点的数据集，因此我们需要一种不同的方法来实现最终输出。

为了能够对所有点进行全帧渲染，我们开发了一种称为多帧渲染的系统。根据这一概念，我们对渲染器进行了修改，以便在多个 GPU 帧上构建图像。在应用时，算法首先遍历八叉树，寻找视觉上最相关的节点（点集合），对其进行标记，然后进行渲染。然后，算法再次遍历八叉树，寻找尚未渲染的下一个视觉相关节点。如此反复，直到没有剩余的点为止。

每一帧图像都会使用深度合成技术，将所有点（无论是十亿点还是一百亿点）合成到最后一帧图像中。我们可以从这些图像中看到Hovermap 数据的密度非常惊人，现在我们可以在查看器中显示这些数据。渲染时间会受到点预算和渲染硬件的影响，但这一切都非常快，多帧渲染可以在几秒钟内渲染十亿个点。

这种方法将使我们的用户能够快速探索包含数十亿个点的Hovermap 数据集，并快速呈现代表真实数据的高质量图像，而不会受到任何影响。

在本系列的后续文章中，我们将介绍如何构建用户界面，请在 LinkedIn 上关注我们，查看何时发布。