CityEngine导出模型轻量化实战：从数据优化到性能提升

1次阅读

共计 2625 个字符，预计需要花费 7 分钟才能阅读完成。

在 3D 城市建模领域，CityEngine 是生成高细节建筑模型的利器，但其导出的模型常因包含过多几何细节和未压缩纹理，导致在 WebGL 或移动端实时渲染时出现性能问题。本文将分享一套完整的模型轻量化解决方案，帮助开发者高效优化 CityEngine 模型，显著提升渲染性能。

CityEngine 生成的原始模型通常存在以下性能瓶颈：

多边形过剩 ：单个建筑模型可能包含数万三角面片，远超实时渲染需求
纹理未优化 ：未压缩的 PNG/TGA 纹理占用大量显存和带宽
缺乏 LOD：同一模型在所有观察距离下使用相同精度，造成计算资源浪费
格式不友好 ：直接导出的 FBX 文件包含冗余数据，不适合 Web 环境

这些因素共同导致在 Three.js 等 WebGL 框架中帧率骤降，移动端设备上甚至无法流畅运行。

针对模型轻量化，常见有以下几种技术路线：

MeshLab 手动处理
优点：GUI 操作直观，支持多种简化算法
缺点：难以批量处理，无法集成到自动化管线
Blender 脚本处理
优点：功能全面，支持复杂编辑
缺点：依赖 Blender 环境，处理速度较慢
Python 自动化脚本
优点：可定制化程度高，易于集成到 CI/CD 流程
缺点：需要一定的编程基础

考虑到项目实际需求，我们选择基于 Python 构建自动化处理管线，核心依赖 Open3D 和 glTF 工具链。

使用 Open3D 的 Quadric Edge Collapse 算法，该算法在简化过程中能较好地保持 UV 和边界：

import open3d as o3d

def simplify_mesh(input_path, output_path, target_face_count):
    # 读取原始模型
    mesh = o3d.io.read_triangle_mesh(input_path)

    # 计算简化比例（保留至少 10% 的面片）reduction_ratio = max(0.1, target_face_count / len(mesh.triangles))

    # 执行简化（保留 UV 和法线）simplified = mesh.simplify_quadric_decimation(int(len(mesh.triangles) * reduction_ratio),
        preserve_uv=True)

    # 保存优化后模型
    o3d.io.write_triangle_mesh(output_path, simplified)

对于移动端，推荐使用 ASTC 压缩格式。通过命令行工具批量处理：

# 使用 ARM Mali Texture Compression Tool
for tex in *.png; do
    astcenc -cl "$tex" "${tex%.*}.astc" 6x6 -medium

为每个模型创建 3 级 LOD，简化阈值根据项目需求调整：

# LOD 层级配置
LOD_LEVELS = [(0.5, "_LOD0"),  # 50% 面片数
    (0.2, "_LOD1"),  # 20% 面片数
    (0.05, "_LOD2")  # 5% 面片数
]

for ratio, suffix in LOD_LEVELS:
    simplified = simplify_mesh(original_mesh, len(original_mesh.triangles)*ratio)
    save_to_gltf(f"output{suffix}.glb", simplified)

以下脚本整合了上述功能，实现端到端的模型轻量化处理：

import os
import subprocess
from pathlib import Path

# 配置参数
INPUT_DIR = "cityengine_export"
OUTPUT_DIR = "optimized_models"
TARGET_FACES = 5000  # 目标面片数

# 创建输出目录
Path(OUTPUT_DIR).mkdir(exist_ok=True)

# 遍历处理所有 FBX 文件
for fbx_file in Path(INPUT_DIR).glob("*.fbx"):
    # 1. FBX 转 glTF
    gltf_path = f"{OUTPUT_DIR}/{fbx_file.stem}.gltf"
    subprocess.run([
        "FBX2glTF",
        "--input", str(fbx_file),
        "--output", gltf_path,
        "--binary"
    ], check=True)

    # 2. 执行网格简化
    simplified_path = f"{OUTPUT_DIR}/{fbx_file.stem}_opt.glb"
    simplify_mesh(gltf_path, simplified_path, TARGET_FACES)

    # 3. 应用 Draco 压缩
    subprocess.run([
        "gltf-pipeline",
        "-i", simplified_path,
        "-o", f"{OUTPUT_DIR}/{fbx_file.stem}_final.glb",
        "--draco.compressionLevel", "7"
    ], check=True)

print(f"处理完成，优化后模型保存在 {OUTPUT_DIR}")

在某智慧城市项目中，我们对同一区域模型进行测试：