A realidade virtual chega à Web, parte II

Tudo sobre o loop de frames

Joe Medley
Joe Medley
GitHub

Recentemente, publiquei A realidade virtual chegou à Web, um artigo que apresentava conceitos básicos por trás da API WebXR Device. Também forneci instruções para solicitar, entrar e encerrar uma sessão de XR.

Neste artigo, descrevemos o loop de frame, que é um loop infinito controlado pelo user agent em que o conteúdo é renderizado repetidamente na tela. O conteúdo é exibido em blocos discretos chamados frames. A sucessão de frames cria a ilusão de movimento.

O que este artigo não é

O WebGL e o WebGL2 são os únicos meios de renderizar conteúdo durante um loop de frame em um app WebXR. Felizmente, muitos frameworks oferecem uma camada de abstração sobre o WebGL e o WebGL2. Esses frameworks incluem three.js, babylonjs e PlayCanvas, enquanto A-Frame e React 360 foram projetados para interagir com o WebXR.

Este artigo não é um tutorial sobre WebGL nem sobre frameworks. Ele explica os conceitos básicos de um loop de frame usando o exemplo de sessão de RV imersiva do Immersive Web Working Group (demonstração, fonte). Se você quiser se aprofundar no WebGL ou em um dos frameworks, a Internet oferece uma lista crescente de artigos.

Os jogadores e o jogo

Ao tentar entender o loop de frames, eu me perdia nos detalhes. Há muitos objetos em jogo, e alguns deles são nomeados apenas por propriedades de referência em outros objetos. Para ajudar você a entender, vou descrever os objetos, que estou chamando de "jogadores". Depois, vou descrever como eles interagem, o que estou chamando de "o jogo".

Os jogadores

XRViewerPose

Uma pose é a posição e a orientação de algo no espaço 3D. Tanto os espectadores quanto os dispositivos de entrada têm uma pose, mas é a pose do espectador que nos interessa aqui. As poses do dispositivo de entrada e do espectador têm um atributo transform que descreve a posição como um vetor e a orientação como um quaternion em relação à origem. A origem é especificada com base no tipo de espaço de referência solicitado ao chamar XRSession.requestReferenceSpace().

Os espaços de referência levam um pouco para serem explicados. Abordamos todos eles com mais detalhes na Realidade aumentada. O exemplo que estou usando como base para este artigo usa um espaço de referência 'local', o que significa que a origem está na posição do espectador no momento da criação da sessão sem um piso bem definido, e a posição precisa pode variar de acordo com a plataforma.

XRView

Uma visualização corresponde a uma câmera que visualiza a cena virtual. Uma visualização também tem um atributo transform que descreve a posição dela como um vetor e a orientação. Eles são fornecidos como um par de vetor/quaternion e como uma matriz equivalente. Você pode usar qualquer representação, dependendo de qual se encaixa melhor no seu código. Cada visualização corresponde a uma tela ou parte de uma tela usada por um dispositivo para apresentar imagens ao espectador. Os objetos XRView são retornados em uma matriz do objeto XRViewerPose. O número de visualizações na matriz varia. Em dispositivos móveis, uma cena de RA tem uma visualização, que pode ou não cobrir a tela do dispositivo. Os headsets geralmente têm duas visualizações, uma para cada olho.

XRWebGLLayer

As camadas fornecem uma fonte de imagens bitmap e descrições de como essas imagens vão ser renderizadas no dispositivo. Essa descrição não captura exatamente o que esse jogador faz. Comecei a pensar nele como um intermediário entre um dispositivo e um WebGLRenderingContext. O MDN tem a mesma opinião, afirmando que ele "oferece uma vinculação" entre os dois. Assim, ele fornece acesso aos outros jogadores.

Em geral, os objetos do WebGL armazenam informações de estado para renderizar gráficos 2D e 3D.

WebGLFramebuffer

Um framebuffer fornece dados de imagem para o WebGLRenderingContext. Depois de extrair o valor do XRWebGLLayer, basta transmiti-lo para o WebGLRenderingContext atual. Além de chamar bindFramebuffer() (mais informações mais adiante), você nunca vai acessar esse objeto diretamente. Basta transmiti-lo de XRWebGLLayer para o WebGLRenderingContext.

XRViewport

Uma janela de visualização fornece as coordenadas e dimensões de uma região retangular no WebGLFramebuffer.

WebGLRenderingContext

Um contexto de renderização é um ponto de acesso programático para uma tela (o espaço em que estamos desenhando). Para fazer isso, ele precisa de um WebGLFramebuffer e um XRViewport.

Observe a relação entre XRWebGLLayer e WebGLRenderingContext. Uma corresponde ao dispositivo do espectador e a outra corresponde à página da Web. WebGLFramebuffer e XRViewport são transmitidos do primeiro para o segundo.

A relação entre XRWebGLLayer e WebGLRenderingContext
A relação entre XRWebGLLayer e WebGLRenderingContext

O jogo

Agora que sabemos quem são os jogadores, vamos analisar o jogo que eles jogam. É um jogo que recomeça a cada frame. Os frames fazem parte de um loop de frames que acontece a uma taxa que depende do hardware. Para aplicativos de RV, os frames por segundo podem variar de 60 a 144. A RA para Android é executada a 30 quadros por segundo. Seu código não deve assumir uma frame rate específica.

O processo básico para o loop de frames é assim:

  1. Ligue para a XRSession.requestAnimationFrame(). Em resposta, o agente do usuário invoca o XRFrameRequestCallback, que é definido por você.
  2. Dentro da função de callback:
    1. Ligue para XRSession.requestAnimationFrame() novamente.
    2. Posicione o espectador.
    3. Transmita ('bind') o WebGLFramebuffer do XRWebGLLayer para o WebGLRenderingContext.
    4. Itere cada objeto XRView, recuperando o XRViewport do XRWebGLLayer e transmitindo-o ao WebGLRenderingContext.
    5. Desenhe algo no framebuffer.

Como as etapas 1 e 2a foram abordadas no artigo anterior, começarei na etapa 2b.

Capturar a pose do espectador

Nem preciso falar isso. Para desenhar algo em RA ou RV, preciso saber onde o espectador está e para onde ele está olhando. A posição e a orientação do espectador são fornecidas por um objeto XRViewerPose. Para conseguir a pose do espectador, chame XRFrame.getViewerPose() no frame de animação atual. eu passo o espaço de referência que adquiri quando configurei a sessão. Os valores retornados por esse objeto são sempre relativos ao espaço de referência que solicitei quando entrei na sessão atual. Como você pode lembrar, preciso transmitir o espaço de referência atual ao solicitar a pose.

function onXRFrame(hrTime, xrFrame) {
  let xrSession = xrFrame.session;
  xrSession.requestAnimationFrame(onXRFrame);
  let xrViewerPose = xrFrame.getViewerPose(xrRefSpace);
  if (xrViewerPose) {
    // Render based on the pose.
  }
}

Há uma pose do espectador que representa a posição geral do usuário, ou seja, a cabeça do espectador ou a câmera do smartphone, no caso de um smartphone. A pose informa ao aplicativo onde o espectador está. A renderização de imagem real usa objetos XRView, que vou abordar em breve.

Antes de continuar, testo se a pose do espectador foi retornada caso o sistema perde o rastreamento ou a bloqueie por motivos de privacidade. O rastreamento é a capacidade do dispositivo de XR de saber onde ele e/ou os dispositivos de entrada estão em relação ao ambiente. O rastreamento pode ser perdido de várias maneiras e varia de acordo com o método usado para o rastreamento. Por exemplo, se as câmeras do fone de ouvido ou do smartphone forem usadas para rastreamento, o dispositivo poderá perder a capacidade de determinar onde ele está em situações com pouca ou nenhuma luz ou se as câmeras estiverem cobertas.

Um exemplo de bloqueio da pose por motivos de privacidade é se o headset estiver mostrando uma caixa de diálogo de segurança, como uma solicitação de permissão. O navegador pode parar de fornecer poses ao aplicativo enquanto isso acontece. Mas eu já chamei XRSession.requestAnimationFrame() para que, se o sistema puder se recuperar, o loop de frames continue. Caso contrário, o agente do usuário encerrará a sessão e chamará o gerenciador de eventos end.

Um pequeno desvio

A próxima etapa exige objetos criados durante a configuração da sessão. Lembre-se de que criei uma tela e a instruí a criar um contexto de renderização da Web GL compatível com XR, que recebi chamando canvas.getContext(). Todo o desenho é feito usando a API WebGL, a API WebGL2 ou um framework baseado em WebGL, como o Three.js. Esse contexto foi transmitido ao objeto de sessão por updateRenderState(), junto com uma nova instância de XRWebGLLayer.

let canvas = document.createElement('canvas');
// The rendering context must be based on WebGL or WebGL2
let webGLRenContext = canvas.getContext('webgl', { xrCompatible: true });
xrSession.updateRenderState({
    baseLayer: new XRWebGLLayer(xrSession, webGLRenContext)
  });

Passar ("vincular") o WebGLFramebuffer

O XRWebGLLayer fornece um framebuffer para o WebGLRenderingContext fornecido especificamente para uso com o WebXR e para substituir o framebuffer padrão de contextos de renderização. Na linguagem do WebGL, isso é chamado de "vinculação".

function onXRFrame(hrTime, xrFrame) {
  let xrSession = xrFrame.session;
  xrSession.requestAnimationFrame(onXRFrame);
  let xrViewerPose = xrFrame.getViewerPose(xrRefSpace);
  if (xrViewerPose) {
    let glLayer = xrSession.renderState.baseLayer;
    webGLRenContext.bindFramebuffer(webGLRenContext.FRAMEBUFFER, glLayer.framebuffer);
    // Iterate over the views
  }
}

Iterar sobre cada objeto XRView

Depois de conseguir a pose e vincular o framebuffer, é hora de extrair as janelas de visualização. O XRViewerPose contém uma matriz de interfaces XRView, cada uma representando uma tela ou uma parte dela. Eles contêm informações necessárias para renderizar conteúdo posicionado corretamente para o dispositivo e o visualizador, como o campo de visão, o deslocamento do olho e outras propriedades ópticas. Como estou desenhando para dois olhos, tenho duas visualizações, que são percorridas e desenham uma imagem separada para cada uma.

Ao implementar para realidade aumentada baseada em smartphone, eu teria apenas uma visualização, mas ainda usaria um loop. Embora possa parecer inútil iterar por uma visualização, isso permite que você tenha um único caminho de renderização para um espectro de experiências imersivas. Essa é uma diferença importante entre o WebXR e outros sistemas imersivos.

function onXRFrame(hrTime, xrFrame) {
  let xrSession = xrFrame.session;
  xrSession.requestAnimationFrame(onXRFrame);
  let xrViewerPose = xrFrame.getViewerPose(xrRefSpace);
  if (xrViewerPose) {
    let glLayer = xrSession.renderState.baseLayer;
    webGLRenContext.bindFramebuffer(webGLRenContext.FRAMEBUFFER, glLayer.framebuffer);
    for (let xrView of xrViewerPose.views) {
      // Pass viewports to the context
    }
  }
}

Transmitir o objeto XRViewport para o WebGLRenderingContext

Um objeto XRView se refere ao que é observável em uma tela. Mas, para desenhar nessa visualização, preciso de coordenadas e dimensões específicas do meu dispositivo. Assim como no framebuffer, eu os solicito do XRWebGLLayer e os transmito para o WebGLRenderingContext.

function onXRFrame(hrTime, xrFrame) {
  let xrSession = xrFrame.session;
  xrSession.requestAnimationFrame(onXRFrame);
  let xrViewerPose = xrFrame.getViewerPose(xrRefSpace);
  if (xrViewerPose) {
    let glLayer = xrSession.renderState.baseLayer;
    webGLRenContext.bindFramebuffer(webGLRenContext.FRAMEBUFFER, glLayer.framebuffer);
    for (let xrView of xrViewerPose.views) {
      let viewport = glLayer.getViewport(xrView);
      webGLRenContext.viewport(viewport.x, viewport.y, viewport.width, viewport.height);
      // Draw something to the framebuffer
    }
  }
}

O webGLRenContext

Ao escrever este artigo, tive um debate com alguns colegas sobre a nomenclatura do objeto webGLRenContext. Os scripts de amostra e a maioria dos códigos do WebXR chamam essa variável de gl de modo simples. Quando eu estava trabalhando para entender as amostras, eu continuava esquecendo o que gl se referia. Chamei de webGLRenContext para lembrar você enquanto você aprende que essa é uma instância de WebGLRenderingContext.

O motivo é que o uso de gl permite que os nomes dos métodos se pareçam com os equivalentes na API OpenGL ES 2.0, usada para criar RV em linguagens compiladas. Isso é óbvio se você já criou apps de RV usando o OpenGL, mas confuso se você não tem experiência com essa tecnologia.

Desenhar algo para o framebuffer

Se você tiver mais ambição, poderá usar o WebGL diretamente, mas não recomendo isso. É muito mais simples usar um dos frameworks listados no topo.

Conclusão

Este não é o fim das atualizações ou dos artigos do WebXR. Você pode encontrar uma referência para todas as interfaces e membros do WebXR no MDN. Para conferir as próximas melhorias nas interfaces, siga os recursos individuais no Status do Chrome.

Foto de JESHOOTS.COM no Unsplash