个人中心
gpt4 book ai didi

[译] 如何使用 WebGL 技术进行风力地图可视化

转载 作者：知者 更新时间：2024-03-13 07:44:49 31 4
gpt4 key购买 nike

翻译：@四季留歌

部分翻译。原文：https://blog.mapbox.com/how-i-built-a-wind-map-with-webgl-b63022b5537f

如果使用 CPU 进行风向可视化: 慢

有很多风力可视化在线网站，最出名的莫过于 earth.nullschool.net。它并不是开源的，但是它有一个开源的旧版本，大多数现有方案都基于此实现。

通常，这种可视化依赖于 Canvas 2D API，大致的逻辑是这样的：

  1. 生成一组随机粒子并绘制它们
  2. 对于每个粒子，查询其位置上的风力值，并用此风力值移动此粒子
  3. 将一小部分粒子重置，这样能保证粒子所覆盖的区域看起来比较丰满
  4. 淡化当前帧，并在其上一层绘制新的一帧

这是有性能限制的：

  • 风粒子数量不能太多，大约 5000 个
  • 每次更新数据或者视图都会有很大的延迟，因为处理这些数据所用的 JavaScript 运行在 CPU 上，相当耗时

原作者在文章中提出一种使用 WebGL 的新绘制逻辑，这样速度很快，能画上百万个粒子，而且打算和 Mapbox GL 进行结合展示。

原作者找到了 Chris Wellons 写的关于如何使用 WebGL 粒子物理学的绝棒教程，认为风力可视化可以使用类似的方。

OpenGL 基础

简单概括原文就是，OpenGL 等图形技术就是在画三角形，虽然也能画点和线，但是用的比较少。

这节的重点是，在顶点着色器或者片元着色器添加一个纹理参数，然后在这个纹理上查找颜色。

这是本文关于风力可视化的重中之重。

获取风力数据

美国国家气象局每 6 个钟发布全球天气数据，这种数据叫做 GFS，大概就是经纬度的网格携带了有关的数据值。这种数据称为 GRIB，是一种特殊的二进制格式。可以用一些其他的工具解析为人类可读的 JSON（工具）。

原作者写了一些脚本，将风力数据下载下来并转为 PNG 图像，风速编码为 RGB 色彩灰度值 —— 像素坐标代表经纬度，红色灰度值代表水平风速，绿色灰度值代表垂直风速。大概长这样：

分辨率可以更大，但是原作者认为全球可视化来说，这个分辨率够用了。

使用 GPU 移动粒子

风粒子是存在 JavaScript 数组中的，如何通过 GPU 运算去操作这些粒子对象？或许可以上计算着色器，但是设备兼容性会成大问题。

所以只能是这个选择：使用纹理。

OpenGL 规范不仅仅可以把 GPU 计算的结果画到屏幕上，还能把它画到纹理上（这个纹理有个特别的名字，叫帧缓存）。

因此，可以把粒子的坐标编码为 RGBA 值，然后传递到渲染管线中进行计算，计算完毕后，再编码到 RGBA 并绘制为新的图像。

为了满足 X 和 Y 坐标的精度，物尽其用，R和G通道这两个字节存储 X，B和A通道则存储 Y。那么，(2^{16}=65536)​ 个数字给到每个数字，应该够了。

一张分辨率为 500×500 的图像可以存储 25w 个粒子：

在片元着色器里操作这些像素代表的粒子即可。

下列是从 RGBA 四个通道灰度值解码、编码的 glsl 代码：

// 从粒子坐标纹理中取色值
vec4 color = texture2D(u_particles, v_tex_pos);

// 从 rgba 灰度值解码成坐标
vec2 pos = vec2(
  color.r / 255.0 + color.b,
  color.g / 255.0 + color.a
);

// ... 此处可以写移动粒子的坐标

// 编码坐标成 RGBA 灰度值
gl_FragColor = vec4(
  fract(pos * 255.0),
  floor(pos * 255.0) / 255.0
);

在下一帧，就可以绘制出这一个图像来。

每一帧，重复这个过程，即，只需两个纹理对象，交替计算和绘制就可以实现将风场模拟计算转移到 GPU 上来。

在极点附近的粒子和赤道附近的粒子相比，沿着 X 轴移动的速度会快得多，因为同样经度（X轴是纬线）跨度，赤道跨过的距离和极点跨过的距离是不一样的。

通过下列着色器进行改进：

float distortion = cos(radians(pos.y * 180.0 - 90.0));
// 这样，使用向量 (velocity.x / distortion, velocity.y) 移动粒子即可

绘制粒子

虽然 WebGL 大多数时候适合绘制三角形，但是这个场景下，绘制点就很合适了。

在顶点着色器中，对粒子纹理进行采样，以获取其坐标，然后，在风速纹理上采样获取 u 和 v 值，计算其风速（(speed^2=u^2+v^2)），然后将这个风速映射到渐变色带上，以进行着色。

此时，大概是这样的：

还行。看起来有点空空的，没有风的感觉，需要绘制轨迹线来完成可视化。

绘制粒子轨迹

绘制粒子到一个纹理上，然后在下一帧时，将其作为背景（略微变暗），并将另一张在上一帧已经用完的纹理设为本帧的绘制目标，实现交换绘制。

插值以获取风力值

风速数据是经纬网格上特定格网点的一些正北正东向的速度值。例如 (50°N, 30°E)、(51°N, 30°E)、(50°N, 31°E)、(51°N, 31°E) 等。那么，如何获取位于这四个点之间的中间值，例如 (50.123°N, 30.744°E)？

使用 texture2D 函数采样时，OpenGL 会帮你完成这事儿。

但是，风速数据那张纹理图片放大后锯齿、马赛克效应很明显，大概这样：

使用 双线性插值 算法，额外获取某个点附近的 4 个点，可以插值得到比较平滑的结果，这个可以在片元着色器上完成，效果如下：

使用 GPU 上的伪随机算法

在着色器程序中还有一个棘手的逻辑要实现，那就是粒子绘制完后，要重置它，如何随机重置呢？

先说明，着色器程序是没有内置的随机数生成器的。但是在 StackOverflow 上有一个用于生成伪随机数的函数：

float rand(const vec2 co) {
  float t = dot(vec2(12.9898, 78.233), co);
  return fract(sin(t) * (4375.85453 + t));
}

有了这个函数，就可以判断是否需要重置粒子状态了：

if (rand(some_numbers) > 0.99) 
  reset_particle_position();

难点在于，如何让粒子重置的时候重置到一个足够随机的位置。

直接用粒子的坐标是不行的，因为相同的粒子的坐标总是会得到一样的随机数，即在哪儿产生，就在哪儿消失。

最终，作者决定使用三个值作为随机数的输入二维向量：

vec2 seed = (pos + v_tex_pos) * u_rand_seed;

其中，pos 是粒子当前坐标，v_tex_pos 是粒子原始坐标，u_rand_seed 是每一帧中计算得到的随机值。

仍旧存在一个小问题，那就是粒子的速度非常快的区域看起来会很稠密，可以通过设置一个“重置率”数值来实现整体平衡：

float dropRate = u_drop_rate + speed_t * u_drop_rate_bump;

其中，speed_t 是一个介于区间 (0, 1) 之间的相对值，u_drop_rate 和 u_drop_rate_bump 是自由调节的两个参数。

展望

作者感谢的话。不翻译了。

附赠源代码：https://github.com/mapbox/webgl-wind

31 4 0
文章推荐： WebGPU 中的缓冲映射机制
文章推荐： WebGPU 中消失的 VAO
文章推荐： docker 在部署 Redis 容器使用 redis.conf 配置启动失败
文章推荐： 从计算机网络五层架构理解工业互联网体系架构
知者
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com