共计 1855 个字符，预计需要花费 5 分钟才能阅读完成。
传统三维建模的痛点
在智慧城市和游戏开发领域，传统三维建模方法面临几个主要问题：
- 人工成本高：手动建模一个中等规模城市需要数十人月的工作量，每栋建筑都需要单独建模、贴图。
- 数据格式复杂：GIS 数据、BIM 数据、倾斜摄影数据等来源多样，坐标系和属性结构不统一。
- 迭代效率低：城市规划方案变更时，需要重新建模大部分内容，无法快速响应需求变化。
技术选型：为什么选择 CityEngine
对比主流建模工具：
| 工具 | 批量生成能力 | 规则化建模 | 地理数据支持 |
|---|---|---|---|
| Blender | 中等（需插件） | 弱 | 有限 |
| 3ds Max | 中等（脚本） | 弱 | 有限 |
| CityEngine | 强（原生支持） | CGA 规则 | 完善 |
CityEngine 的核心优势在于其 CGA（Computer Generated Architecture）规则系统，可以通过代码定义建筑生成规则，例如：
// 基础建筑规则
attr height = rand(15,50)
Lot --> extrude(height)
comp(f) {side : Facade | top : Roof}核心实现流程
1. GIS 数据预处理
使用 GDAL 处理.shp 文件，建议工作流：
- 坐标系统一转换为 WGS84 或 UTM
- 提取建筑轮廓和道路中心线
- 通过 QGIS 或 ArcGIS 检查拓扑错误
Python 处理示例：
import ogr
# 打开 shp 文件
ds = ogr.Open('input.shp')
layer = ds.GetLayer()
# 坐标转换
source_srs = layer.GetSpatialRef()
target_srs = osr.SpatialReference()
target_srs.ImportFromEPSG(4326) # WGS84
coord_trans = osr.CoordinateTransformation(source_srs, target_srs)2. CGA 规则编写规范
关键注意事项：
- 使用
version "2023.0"声明兼容性 - 通过
comp(f)分解模型表面避免 Z -fighting - 纹理映射使用 UV 坐标而非投影
防止 Z -fighting 的典型代码：
// 在规则开始处添加全局设置
default
: angleSnap(0.1)
: minComponentSize(0.01)
: displayQuality(high)3. Python 自动化脚本
通过 COM 接口批量生成 LOD（Level of Detail）模型：
import win32com.client
# 连接 CityEngine
ce = win32com.client.Dispatch("CityEngine.CityEngine")
# 批量生成 LOD
def generate_lods(buildings, lods=[100,50,20]):
for b in buildings:
for lod in lods:
# 设置当前 LOD 级别
ce.SetAttribute(b, "LOD", lod)
# 触发规则重新生成
ce.GenerateModels(b) 性能优化方案
内存管理技巧
- 使用
splitLot分割大地块，控制单次生成面数 <1M - 通过
cache()函数复用重复构件 - 启用
--disable-textures选项进行初版测试
分布式生成
- 将城市划分为网格（如 1km×1km）
- 使用 Celery 任务队列分配生成任务
- 通过 AWS Batch 或 Azure Batch 实现云渲染
避坑指南
坐标系转换
常见错误：
– 忽略垂直基准面（如 EGM96 与 WGS84 椭球高差异）
– 在 CGA 规则中混用局部 / 全局坐标
解决方案：
# 使用 pyproj 进行精确转换
from pyproj import Transformer
transformer = Transformer.from_crs("EPSG:32650", "EPSG:4979")
x,y,z = transformer.transform(x,y,z)规则链调试
当规则突然中断时：
1. 检查 scope 尺寸是否为 NaN
2. 验证 case 语句是否有默认分支
3. 使用 echo() 输出中间变量
纹理优化
- 使用
textureAtlas合并小纹理 - 避免超过 4096×4096 的纹理尺寸
- 对远景模型使用
vertexColor代替纹理
总结与思考
本文方案已成功应用于多个智慧城市项目，将 10 平方公里的建模时间从 3 个月缩短到 3 天。值得探索的改进方向：
- 用 GAN 生成 CGA 规则参数（如建筑风格）
- 通过点云数据自动提取建筑特征
建议读者尝试：
1. 下载 OpenStreetMap 数据
2. 应用本文方法生成 1km²城区模型
3. 对比不同 LOD 级别的性能差异
期待在评论区看到大家的生成成果和优化建议！
正文完
