高德車載導航自研圖片格式的探索和實踐
背景
隨著近年來車內多媒體裝置從無屏向有屏的發展,市場上出現了各種形狀、尺寸和解析度的車機螢幕,其豐富程度遠遠超過Android適配的手機螢幕。
高德車載導航過去採用的多套UI 圖片資源,透過拉伸、縮小來適應各種車機螢幕以便減少內部UI資源開發和管理成本的方式受到越來越大的挑戰:軟體包的Size不斷增加,對安裝空間和使用者流量提出更高要求、多套UI資源的維護成本越來越高、拉伸或者縮小導致適配效果上存在各種失真的情況。
本文小結了高德技術團隊在車載導航自研圖片格式解決方案上的探索和實踐,希望對大家有所啟發。
本地化方案和動態化方案的比較
行業上的解決方案基本上分成兩大類:
本地化方案:UI資源存在於軟體包中,然後從圖片格式入手,解決使用過程中的效能和成本問題。
動態化方案:透過線上識別目標機器的硬體配置,動態下載合適的UI資源,透過線上的方式動態生成。
從車機應用的角度思考,這兩種方案的優缺點如下:
從以上可以看出,當前階段,業內的車載生態體系的建設並不健全,採用本地化方案更具有現實意義。在大屏時代,隨著硬體效能的逐步提升,向量化的圖片方案會成為未來應用的趨勢。於是,我們決定在圖片向量化方向上開展建設,以確定適合高德車載的圖片方案。
向量化方案的探索與實踐
以下是常用的向量圖片方案的能力支援情況:
注:Shape支援簡單的Path指的是:矩形、圓角矩形、橢圓、線。
透過除動畫外的常用圖形設計元素進行對比,可以看出除SVG外,其它表達方式在當下個性化訴求下,存在一定的不滿足性。因此,SVG應該是高德車機在向量圖上的最優選擇。
SVG在車載業務上的適用性分析
車機硬體屬於嵌入式硬體,車機上的導航應用,同樣要遵循一般的規則,即用最少的資源(磁碟、記憶體、CPU)取得最大的執行效果。結合高德業務的需求,透過對SVG格式的分析,我們發現了SVG格式存在如下的不足:
- SVG檔案型別為文字檔案,讀寫效率存在一定的提升空間;
- SVG資料中存在大量非必要資料,對檔案大小和讀寫效率存在影響;
- 高德業務中,存在大量差異性較小的資源,需要提供更優的解決方案;
- UED在提供的設計資源中可能會提供.9圖片,需要考慮合適的支援方案;
- 不支援顏色描述主題化、圓角資訊ID化等為支援高德動態HMI所需的需求;
基於以上分析,為了滿足業務的需求,我們考慮擴充套件標準的SVG格式建立高德自用的圖片格式,格式名稱定義為ASVG(Amapauto SVG)。
ASVG在車載業務上的實踐
ASVG在車機導航中,需要經歷如下四個環節。我們主要從建立、解析和繪製環節對ASVG的使用進行了最佳化。
1.針對建立環節,從ASVG格式的角度進行最佳化:
資料結構最佳化
在SVG的設計意圖本身是更加傾向於讓使用者更易用,所以在表達向量化過程中存在大量冗餘的意圖資料,這導致使用過程中存在較高的解析成本。在嵌入式系統上,我們需要充分利用格式中的每一個位元組,有效提高讀取效率並降低資源大小。
對SVG進行解析並將對應的節點和屬性變成一個特定的中間結構,並扁平化存放,除magic等資料外,其它資料可直接用於圖形運算,去掉非必要資料,從而達到壓縮和提高解析效率的目的。如下表格:
完成最佳化後,整個運算過程中不再進行字串運算,在連續記憶體中讀取順序變數Buffer並進行賦值,解碼時間降到微秒級別,資源大小平均縮減60%左右:
結合業務去冗餘
在車機導航應用中,同一個控制元件物件在不同的場景下,UED會製作不同的圖片資源。如下圖,設計師根據晝夜不同的色彩飽和度和陰影效果來達到車標Icon的設計效果。
這種情況下,形狀描述相關資訊基本一致,透過設計中間結構在圖形狀態及主題上進行去冗餘。
點9圖片ASVG化
點九圖片是PNG柵格圖片中一類特殊的圖片。將點九圖片ASVG化,面臨點九圖片資訊管理的問題。
對策方案:
a.從資料結構上,將點九資訊從點九圖片中拆分出來。點九資訊直接存入ASVG檔案中,將點九資訊直接資料化。
b.從規則上,製作點九圖片時,保證點九資訊的點九長度只有一個畫素,點九資訊周圍一個畫素點也可以做點九資訊點。保證在向量圖片縮放過程中,解決進退位計算帶來的點九長度位置誤差。
2.針對解析和繪製環節,選擇合適的向量方案:
向量圖形的解析方案
向量圖形的解析就是將向量圖形中的Path部分翻譯成可由GPU繪製形狀。方案主要有兩種:
方案A. 將Path透過分格化(tessellation)分格成多個小的凸多邊形。最後,利用標準渲染API直接完成繪製。
方案B. 將Path透過路徑解析利用掃描線的方式,將Path轉成一張bitmap。最後,利用標準渲染API直接完成繪製。
向量圖形解析方案的效能對比
下圖是各向量圖形繪製方案的解析效率對比。在同等試驗條件下,方案B的載入和解析效率要高很多。
向量圖形方案的繪製效果對比
在顯示效果上,車載終端的裝置差異較大,部分裝置不支援抗鋸齒能力。使用方案A繪製出來的圖形在處理斜多邊形部分會出現鋸齒,而使用方案B繪製出來的圖形卻平滑很多:
綜合考慮,我們採用方案B作為ASVG向量圖的最終方案。
小結
透過ASVG的使用,高德車載導航業務取得了較大收益,在介面顯示效果、圖片載入效率、資源維護效率等方面有了很大提升,同時APK包大小大幅下降。面對車載行業個性化需求及5G時代的到來,“顯示”作為使用者在車載互動體驗中重要的一環,我們將在為使用者提供感官上更加真實的體驗方面不斷創新,後續也會在該方案基礎上融入更多能力和提供相關工具,在動態化、主題定製等場景擴大使用範圍。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69941357/viewspace-2679446/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 高德車載導航的差分更新最佳化實踐
- 深度學習在高德駕車導航歷史速度預測中的探索與實踐深度學習
- 高德AR & 車道級導航技術演進與實踐
- 高德地圖導航和路徑規劃地圖
- 高德地圖駕車導航記憶體優化原理與實戰地圖記憶體優化
- 高德在提升定位精度方面的探索和實踐
- UI自動化技術在高德的實踐UI
- 高德技術團隊:深度學習在導航速度預測中的探索與實踐深度學習
- 導航定位向高精定位的演進與實踐
- 車載導航GPS欺騙
- 基於Sentinel自研元件的系統限流、降級、負載保護最佳實踐探索元件負載
- 如何利用六西格瑪解決車載導航研發問題?
- 基於ros2 dashing的建圖導航探索ROS
- 高德前端這五年:動態化技術的研發歷程和全面落地實踐前端
- WEB 三維引擎在高精地圖資料生產的探索和實踐Web地圖
- 如虎添翼!高德地圖+Serverless 護航你的假日出行地圖Server
- ArchSummit分享 | 高德地圖App架構演化與實踐MIT地圖APP架構
- WWDC 2018:車載(CarPlay)在音訊和導航 APP 中的應用音訊APP
- ReactNative實現地圖導航React地圖
- 機器學習在高德地圖軌跡分類的探索和應用機器學習地圖
- Flutter圖片載入優化深入探索Flutter優化
- 地圖採集車的那些事 | 慣性導航地圖
- 地下停車場怎麼導航,停車場導航技術怎麼實現
- 高德服務單元化方案和架構實踐架構
- 高德演算法工程一體化實踐和思考演算法
- 衛星影像識別技術在高德資料建設中的探索與實踐
- 美團BERT的探索和實踐
- python自動下載圖片Python
- 圖片寬高自動適配
- Android高德地圖貼合圖片完成手繪地圖展示Android地圖
- 從研發域到量產域的自動駕駛工具鏈探索與實踐自動駕駛
- 高德地圖和google地圖適配地圖Go
- 室內地圖導航是怎麼實現的?室內導航好做嗎?地圖
- dcat-admin上傳圖片 會自動把圖片壓成2:1的格式?
- 圖片格式-AVIF
- 常用圖片格式
- 使用Python爬蟲實現自動下載圖片Python爬蟲
- 圖片漸進式載入最佳化實踐指南