作者| 阿里文娛無線開發專家 王璟瑤
一、行業現狀
實景 VR 目前的行業應用案例逐漸增多，在使用 720°全景相機拍攝，部分廠商基於多實 景照片進行多叉數建模，在鏈家等房產行業獲得廣泛應。在票務行業，場館選座的國內外的同 類產品中也有試點落地，國外的有 TicketMaster、Stubhub 等，國內嘗試落地的有摩天輪，針對 大型場館，目前的實現思路偏向於使用 3D 建模+後渲染輸出基於 ECB 的全景照片，下發後用於大前端多端展示。
二、大麥解法
大麥落地全景 VR 主要是為用戶的選座決策提供輔助和沉浸式體驗，目前綜合考慮選座頁 面用戶交互和落地成本，採用大場館建模+全景渲染和小場館實景 VR 拍攝節奏。
1. 落地策略
大場館-3D 建模+渲染 小場館-實景 VR
2. 建模全鏈路流程
場館建模經過輸出白模、材質紋理貼圖等流程進行輸出建設，基於經典 3dmax 進行近似建模。
3. 全鏈路流程
整體流程按大節點分成：建模/拍攝→ 生產→ 選座基礎平臺→ 大前端主要環節，建模部 分目前使用 3dmax 的常規方案，並調研基於 3D 激光雷達 + SLAM 的量產方案。
三、3D 場館
1. 模型紋理加載
針對建模輸出的場館模型，3dmax 導出後容量在 50M~200M 之間，採用 glTF 模型壓縮， 再配合 LOD 多層次細節紋理，可有效提升基於 three.js 的超大紋理場館的打開速度。
四、VR
1. VR Engine
VR 整體方案選擇使用基於 ECB 球體座標的投影方案，渲染合成 2:1 的全景圖片，圖片 本身經過 moz-jpeg 壓縮、智能降噪和超分重建，供 VR Engine 渲染，也為為全景圖片展示秒 開打下基礎。大前端 VR Engine 層面，APP 側 android/ios 較為成熟，選用 google/apple 自帶方 案，h5 側 engine 性能和集成度差異較大，調研了目前市面上常見的幾款 engine，最終選擇使用Pannellum 作為首選引擎。支持羅盤指示、全景漫遊、全景標註、多清晰度等擴展功能。
2. VR 視圖及優化
透視視圖、魚眼視圖、立體視圖、建築視圖、潘尼尼觀、小行星等。GVR 進行了優化封裝， 包括但不限於：
- 鏡頭失真校正（Lens distortion correction）
- 空間音頻（Spatial audio）
- 頭部跟蹤（Head tracking）
- 3D 校準（3D calibration）
- 並排渲染（Side-by-side rendering）
- 立體幾何配置（Stereo geometry configuration）
- 用戶輸入事件處理（User input event handling）
五、全鏈路量產
全面落地，需要建模和拍攝的場館較多，針對 VR 落地應用，需要進行量產操作，按照梳 理，核心步驟大致分為以下幾步：
拍攝：專業 camera + 大麥 B 端 = 遙控拍照 + 攜帶座位信息
生產：綁定、fov 傾角計算、壓縮、超分重建
選座基礎平臺: 底圖保護-暗水印、流式加密
大前端：三端 VR Engine、漸進式加載、流式加密
六、總結
針對上線的圖片，進行了合成優化以及基於Lanczos/hpx 的圖像壓縮，以及流式密碼加密， 以保障用戶的秒開和數據安全。3D/VR 的持續建設是智慧場館重要的一環，也為用戶購買決策 提供了可視化手段，量產階段後繼續探索基於大場景點雲渲染建模和商業化營銷能力，以期為 用戶帶來更好的沉浸式體驗。