CityEngine模型轻量化实战：从导出到优化的完整指南

1次阅读

共计 3364 个字符，预计需要花费 9 分钟才能阅读完成。

在进行大规模 3D 城市建模时，CityEngine 是一个强大的工具，但导出的模型往往会因为过多的细节导致性能问题。本文将从实际项目经验出发，分享一套完整的模型轻量化方案，帮助开发者解决 CityEngine 模型面数过高、纹理资源占用大等问题。

CityEngine 生成的模型通常包含大量几何细节和复杂纹理，这在桌面端可能还能承受，但在移动端或网页端就会导致严重的性能问题。主要痛点包括：

模型面数过高导致加载缓慢
纹理资源占用大影响移动端性能
缺乏自动化处理流程，手动优化效率低下

我们的轻量化方案主要从三个维度进行优化：

几何简化：减少模型面数
纹理优化：压缩和打包纹理
自动化处理：使用 Python 脚本批量处理

MeshLab 是一个开源的 3D 网格处理软件，非常适合用于模型简化。以下是具体操作步骤：

安装 MeshLab（推荐版本 2022.02）
导入 CityEngine 导出的 FBX 或 OBJ 文件
选择 ”Filters” > “Remeshing, Simplification and Reconstruction” > “Simplification: Quadric Edge Collapse Decimation”
设置目标面数（通常减少到原模型的 30%-50%）
导出优化后的模型

不同的简化算法对建筑特征保留效果不同：

Quadric Edge Collapse：保持整体形状较好，适合大多数建筑
Cluster Decimation：处理速度快，但可能丢失细节
Vertex Removal：简单快速，但对尖锐边缘影响较大

对于移动端，推荐使用以下压缩格式：

Android：ETC2（支持透明通道）或 ASTC
iOS：PVRTC 或 ASTC
网页端：可选择 Basis Universal 格式

将多个小纹理合并为一张大纹理可以显著减少绘制调用：

使用 TexturePacker 工具
设置最大纹理尺寸（通常 2048×2048）
保留 2 像素的边距防止纹理渗色
导出包含 UV 信息的模型和纹理图集

以下是完整的 Python 处理脚本，实现批量模型简化：

import os
import subprocess
import logging
from datetime import datetime

# 配置日志
logging.basicConfig(
    filename='model_optimization.log',
    level=logging.INFO,
    format='%(asctime)s - %(levelname)s - %(message)s'
)

def batch_process_models(input_dir, output_dir, reduction_ratio=0.5):
    """
    批量处理 FBX/OBJ 模型文件
    :param input_dir: 输入目录
    :param output_dir: 输出目录
    :param reduction_ratio: 简化比例 (0-1)
    """
    try:
        # 确保输出目录存在
        os.makedirs(output_dir, exist_ok=True)

        # 遍历输入目录
        for filename in os.listdir(input_dir):
            if filename.lower().endswith(('.fbx', '.obj')):
                input_path = os.path.join(input_dir, filename)
                output_path = os.path.join(output_dir, filename)

                # 记录开始处理
                logging.info(f'Processing: {filename}')

                # 构建 MeshLab 命令
                mlx_script = f"""
                <!DOCTYPE FilterScript>
                <FilterScript>
                <filter name="Quadric Edge Collapse Decimation">
                    <Param name="TargetFaceNum" value="0" type="RichInt" description="" />
                    <Param name="TargetPerc" value="{reduction_ratio*100}" type="RichFloat" description="" />
                    <Param name="QualityThr" value="0.3" type="RichFloat" description="" />
                    <Param name="PreserveBoundary" value="false" type="RichBool" description="" />
                    <Param name="BoundaryWeight" value="1" type="RichFloat" description="" />
                    <Param name="PreserveNormal" value="true" type="RichBool" description="" />
                    <Param name="PreserveTopology" value="false" type="RichBool" description="" />
                    <Param name="OptimalPlacement" value="true" type="RichBool" description="" />
                    <Param name="PlanarQuadric" value="false" type="RichBool" description="" />
                    <Param name="QualityWeight" value="false" type="RichBool" description="" />
                    <Param name="AutoClean" value="true" type="RichBool" description="" />
                </filter>
                </FilterScript>
                """

                # 临时保存脚本
                with open('temp_script.mlx', 'w') as f:
                    f.write(mlx_script)

                # 执行 MeshLab 命令
                subprocess.run([
                    'meshlabserver',
                    '-i', input_path,
                    '-o', output_path,
                    '-s', 'temp_script.mlx',
                    '-om', 'vn', 'fn', 'vc'
                ], check=True)

                # 记录完成
                logging.info(f'Completed: {filename}')

    except Exception as e:
        logging.error(f'Error processing models: {str(e)}')
        raise

if __name__ == '__main__':
    # 示例用法
    batch_process_models(
        input_dir='./input_models',
        output_dir='./optimized_models',
        reduction_ratio=0.4
    )