A realidade virtual chega à Web, parte II

Tudo sobre o loop de frames

Recentemente, publiquei A realidade virtual chega à Web, um artigo que introduziu conceitos básicos por trás da API WebXR Device (link em inglês). Também dei instruções para solicitar, inserir e encerrar uma sessão de XR.

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

O que este artigo não aborda

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

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

Os jogadores e o jogo

Ao tentar entender o loop do frame, ficava me perdendo nos detalhes. Há muitos objetos em jogo, e alguns deles são nomeados apenas por propriedades de referência em outros objetos. Para ajudar você a manter a linha, vou descrever os objetos, que chamo de "jogadores". Depois, vou descrever como eles interagem, o que chamo de "o jogo".

Os jogadores

XRViewerPose

Uma pose é a posição e a orientação de algo no espaço 3D. Os espectadores e os dispositivos de entrada têm uma pose, mas é a pose do espectador com a qual estamos preocupados aqui. As poses do visualizador e do dispositivo de entrada têm um atributo transform que descreve a posição como vetor e a orientação como um quatérnio relativo à origem. A origem é especificada com base no tipo de espaço de referência solicitado ao chamar XRSession.requestReferenceSpace().

Os espaços de referência demoram um pouco para serem explicados. Elas são abordadas em detalhes na seção Realidade aumentada. A amostra que estou usando como base para este artigo utiliza um espaço de referência 'local', o que significa que a origem está na posição do espectador no momento da criação da sessão sem um valor mínimo bem definido, e a posição precisa dele 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 como vetor e a orientação. Eles são fornecidos como um par de vetor/quatérnio e como uma matriz equivalente. Você pode usar qualquer uma das representações, dependendo da que melhor se adapta ao 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 em RA tem uma visualização, que pode ou não cobrir a tela do dispositivo. Os headsets normalmente têm duas visualizações, uma para cada olho.

XRWebGLLayer

As camadas fornecem uma fonte de imagens em bitmap e descrições de como essas imagens precisam ser renderizadas no dispositivo. Essa descrição não capta exatamente o que esse player faz. Pense nele como um intermediário entre um dispositivo e um WebGLRenderingContext. O MDN adota basicamente a mesma visão, afirmando que "fornece um vínculo" entre os dois. Dessa forma, ele dá acesso aos outros jogadores.

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

WebGLFramebuffer

Um framebuffer fornece dados de imagem ao WebGLRenderingContext. Depois de recuperá-lo do XRWebGLLayer, basta transmiti-lo ao WebGLRenderingContext atual. Além de chamar bindFramebuffer() (falaremos mais sobre isso posteriormente), você nunca acessará esse objeto diretamente. Você apenas o transmitirá do 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. Um corresponde ao dispositivo do espectador e o outro corresponde à página da Web. WebGLFramebuffer e XRViewport são transmitidos do primeiro para o segundo.

O jogo

Agora que sabemos quem são, vamos analisar o jogo que eles jogam. É um jogo que começa de novo a cada frame. Lembre-se de que os frames fazem parte de um loop de frames que acontece em uma taxa que depende do hardware subjacente. Para aplicações de RV, os quadros por segundo podem variar de 60 a 144. A RA para Android é executada a 30 quadros por segundo. O código não deve presumir nenhum frame rate específico.

O processo básico para o loop do frame é semelhante ao seguinte:

1. Chame XRSession.requestAnimationFrame(). Em resposta, o user agent invoca o XRFrameRequestCallback, que é definido por você.
2. Dentro da função de callback:
   1. Chame XRSession.requestAnimationFrame() de novo.
   2. Identifique a pose do espectador.
   3. Transmita ("bind") o WebGLFramebuffer do XRWebGLLayer para o WebGLRenderingContext.
   4. Itere em cada objeto XRView, recuperando o XRViewport do XRWebGLLayer e transmitindo-o para o WebGLRenderingContext.
   5. Desenhe algo no framebuffer.

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

Conferir a pose do espectador

É provável que não seja preciso dizer. Para desenhar algo em RA ou RV, preciso saber onde o espectador está e para onde ele está olhando. A posição e orientação do visualizador são fornecidas por um objeto XRViewerPose. Posso ver a pose do espectador chamando XRFrame.getViewerPose() no frame de animação atual. Eu transfiro o espaço de referência que adquiri ao configurar a sessão. Os valores retornados por esse objeto são sempre relativos ao espaço de referência que solicitei quando entrei na sessão atual. Como vocês devem se lembrar, preciso passar 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 visualizador está. A renderização real de imagens usa objetos XRView, que serão abordados em breve.

Antes de continuar, teste se a pose do espectador foi retornada caso o sistema perde o rastreamento ou bloqueie a pose por motivos de privacidade. O rastreamento é a capacidade do dispositivo XR de saber onde ele e/ou seus 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 isso. Por exemplo, se as câmeras no fone de ouvido ou no smartphone forem usadas para rastrear o dispositivo, ele 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 que, se o fone de ouvido mostrar uma caixa de diálogo de segurança, como uma solicitação de permissão, o navegador poderá parar de fornecer posições ao app enquanto isso acontece. No entanto, já chamei XRSession.requestAnimationFrame() para que, se o sistema puder se recuperar, o loop de frames continuará. Caso contrário, o user agent encerrará a sessão e chamará o manipulador de eventos end.

Um breve desvio

A próxima etapa requer objetos criados durante a configuração da sessão. Lembre-se de que criei uma tela e a orientei a criar um contexto de renderização do 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 para o objeto da sessão via 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)
  });

Transmitir ("bind") o WebGLFramebuffer

O XRWebGLLayer fornece um framebuffer para o WebGLRenderingContext fornecido especificamente para uso com o WebXR e substitui os contextos de renderização padrão de framebuffer. Na linguagem 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 em 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 parte de uma tela. Eles contêm informações necessárias para renderizar o conteúdo posicionado corretamente para o dispositivo e para o visualizador, como o campo de visão, o deslocamento do olhar e outras propriedades ópticas. Como estou desenhando para dois olhos, tenho duas visualizações, que eu cruzo e desenho 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 em uma visualização, fazer isso permite que você tenha um único caminho de renderização para uma variedade 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 refere-se ao que é observável em uma tela. Mas, para desenhar nessa visualização, preciso de coordenadas e dimensões específicas para meu dispositivo. Assim como no framebuffer, eles são solicitados pelo XRWebGLLayer e transmitidos para 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
    }
  }
}

webGLRenContext

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

O motivo é que o uso de gl permite que os nomes de métodos sejam parecidos com os equivalentes na API OpenGL ES 2.0, usada para criar RV em linguagens compiladas. Esse fato é óbvio se você criou apps de RV usando o OpenGL, mas fica confuso se você ainda não conhece essa tecnologia.

Desenhar algo no framebuffer

Se você tiver uma ambição muito maior, poderá usar o WebGL diretamente, mas não recomendo isso. É muito mais simples usar uma das estruturas listadas na parte superior.

Conclusão

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

Foto de JESHOOTS.COM no Unsplash