转载请规范声明。@秋意正寒
我的git地址：github.com/onsummer
目录：

pnts，即 Points，点云的意思。

las、xyz数据等均可。

瓦片文件二进制布局（文件结构）

pnts不存在gltf模型，故结构如下：

1. 文件头：28byte

与b3dm是一样的。

2. 要素表

在 b3dm 篇，有介绍到要素表存在 全局属性 和 要素属性。在 pnts 和上篇 i3dm 中，这对概念会解释得很透彻。

① 要素表的全局属性

第一第二个能与 b3dm 中的 BATCH_LENGTH 和 RTC_CENTER 类比来理解，就不解释了。

第3、4个与 i3dm 是一致的。

第5个即每个点的默认颜色，默认是灰色。

最后一个很有意思，和 b3dm 里的“重合”了，它的意义是：点云瓦片中这么多点是可以划分的，每一类叫做 BATCH。

例如对一栋建筑进行点云扫射，那么墙体的所有的点可以归属为 墙体BATCH，窗户的所有点可以归属为 窗户BATCH。

BATCH_LENGTH 指示了当前pnts瓦片的点被划分成了多少个类别。

a. pnts瓦片中颜色的优先级

RGBA>RGB>RGB565>CONSTANT_RGBA。其中，CONSTANT_RGBA 是全局的，前三个是点要素属性里的。

当然，还可以使用 3dTiles 的 style 来改变样式。

b. 量化空间范围体

这个词儿是我自己意译的。

通常点云数据只留其“形”，而具体每个点的坐标可以不那么精确。因为存储高精度的点坐标，是十分消耗空间的。默认每个点使用逐要素属性 POSITION 来记录每个点的坐标，坐标值类型是 FLOAT，即 4字节，假如使用量化坐标，每个坐标值使用 UInt16 类型，即 2字节，那么坐标信息就能压缩一倍！

具体什么是 量化空间范围体，我认为在上一篇 i3dm 中已经解释得很清楚了：

只不过，在点云瓦片中，POSITION 代表的不再是 instance 的坐标，而是点坐标。

看到这，是否能理解“要素表的全局属性是对于整个瓦片文件而言”这句话了呢？

② 要素表的(逐)要素属性

其实，我觉得在点云中叫 点属性 更好。

其中，第一和第二个与 i3dm 中的定义一致。

第三~第五个是颜色信息，在第①小节中的a部分讲了。

第六、七与 i3dm 中的类似。

第八个与 i3dm 中的定义完全一致。

③ 要素表的JSON

上述所有属性全部会记录在要素表的 JSON 中，对于 全局属性，其值记录在 JSON 中。

对于其要素属性，因为点云中的点数量会非常巨大，写在JSON中体积会变大，所以使用 JSON引用要素表二进制数据体 的形式。

下列是一个要素表的JSON：

{
    POINTS_LENGTH : 4, // 意味着有4个点
    POSITION : {
        byteOffset : 0 // 意味着从ftBinary的第0个byte开始读取
    }
}

这个要素表的释义与 i3dm 中的示例一样，只不过从 INSTANCES_LENGTH 变成了 POINTS_LENGTH。

④ 要素表体

要素表JSON中引用的二进制数据均顺次记录在此，一般为要素属性（点属性）。

3. 批量表

批量表与b3dm的差不多，如果在 pnts 的要素表和批量表中存储了 BATCH_LENGTH 信息，那每个 BATCH 的属性就存于此。

但是与 b3dm、i3dm 略有不同的是，如果要素表JSON中没有 BATCH_ID 的定义，但是批量表中却存在与点的数量 POINTS_LENGTH 一样长的属性数组，那么说明该点云瓦片的每一个点都有属性。

结构参考 b3dm 篇章。

4. 要素表与批量表举例说明

此部分参考官方文档。

① 只有点坐标

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4个点
    POSITION : {
        byteOffset : 0 // 意味着从ftBinary的第0个byte开始读取
    }
}

const featureTableBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer)

这个例子只记录了4个点。

② 相对坐标与颜色信息

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4个点
    RTC_CENTER : [1215013.8, -4736316.7, 4081608.4], // 意味着相对于这个点
    POSITION : {
        byteOffset : 0 // 意味着从ftBinary的第0个byte开始读取
    },
    RGB : {
        byteOffset : 48 // 颜色值意味着从ftBinary的第48个byte读取，紧接在POSITION后
    }
}

const positionBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer) // 一共12*4byte = 48byte

const colorBinary = new Buffer(new Uint8Array([
    255, 0, 0,
    0, 255, 0,
    0, 0, 255,
    255, 255, 0,
]).buffer) // 一共12*1byte = 12byte

// ftBinary一共48+12=60byte
const featureTableBinary = Buffer.concat([positionBinary, colorBinary]) 

这个例子有4个点，是相对于中心定位的点。颜色依次为：红绿蓝黄。

③ 量化坐标与八进制编码法向量

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4个点
    QUANTIZED_VOLUME_OFFSET : [-250.0, 0.0, -250.0], // 意味着偏移基坐标是 (-250, 0, -250)
    QUANTIZED_VOLUME_SCALE : [500.0, 0.0, 500.0], // 意味着x和z方向的缩放比是500
    POSITION_QUANTIZED : { 
        byteOffset : 0 // 意味着量化坐标的数据存在ftBinary的第0个字节往后
    },
    NORMAL_OCT16P : {
        byteOffset : 24 // 意味着量化坐标顶点法线的数据存在ftBinary的第24个字节往后
    }
}

const positionQuantizedBinary = new Buffer(new Uint16Array([
    0, 0, 0,
    65535, 0, 0,
    0, 0, 65535,
    65535, 0, 65535
]).buffer) // 一共12*2byte=24byte，Uint16=16bit=2byte

const normalOct16PBinary = new Buffer(new Uint8Array([
    128, 255,
    128, 255,
    128, 255,
    128, 255
]).buffer) // 一共8*1=8byte，Uint8=8bit=1byte

const featureTableBinary = Buffer.concat([positionQuantizedBinary, normalOct16PBinary])

这个例子中，有4个点，每个点的法向量都是八进制编码的\([0.0, 1.0, 0.0]\)，它们将被放置在x和z方向上.

④ 点数据分类（BATCH）

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4个点
    BATCH_LENGTH : 2, // 意味着4个点分成了2类（批、batch）
    POSITION : {
        byteOffset : 0 // 意味着POSITION将存储在ftBinary的第 0 byte之后
    },
    BATCH_ID : {
        byteOffset : 48, // 意味着BATCH_ID的值将从ftBinary的第 48 byte之后
        componentType : "UNSIGNED_BYTE" // 意味着BATCH_ID的值类型是无符号字节数
    }
}

const positionBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer) // 4个点，一共12个值，每个值4byte（Float每个数字占4byte，即32bit），一共48byte

const batchIdBinary = new Buffer(new Uint8Array([
    0,
    0,
    1,
    1
]).buffer) // 前2个的类型是0（batchId），后2个点的类型是1

const featureTableBinary = Buffer.concat([positionBinary, batchIdBinary]); // 合并

const batchTableJSON = {
    names : ['object1', 'object2']
} // 批量表JSON记录了属性值，有两个，刚好对上 BATCH_LENGTH

这个例子中，前2个点的 batchId 是0，后2个点的 batchId 是1。

⑤ 每个点都有属性

const featureTableJSON = {
    POINTS_LENGTH : 4, // 意味着有4个点
    POSITION : {
        byteOffset : 0 // 意味着从ftBinary的第0byte开始
    }
}

const featureTableBinary = new Buffer(new Float32Array([
    0.0, 0.0, 0.0,
    1.0, 0.0, 0.0,
    0.0, 0.0, 1.0,
    1.0, 0.0, 1.0
]).buffer)

const batchTableJSON = {
    names : ['point1', 'point2', 'point3', 'point4'] // 意味着这4个点都有names属性，其值写在这里
}

如果在 要素表中没有 BATCH_ID 属性的定义，并且批量表中存有属性数据，那么这些属性的个数必定与点的个数相同，即每个点都有属性。

5. 字节对齐与编码端序

与b3dm里写的一致，可以回看：

6. 扩展（extensions）和额外信息（extras）

同样，这部分内容与b3dm篇章内介绍的一致，会在后续文章内介绍。