三维模型格式入门指南：CC生成模型的结构解析与最佳实践

1次阅读

共计 1588 个字符，预计需要花费 4 分钟才能阅读完成。

CC 生成的三维模型通常采用自定义二进制格式存储，主要包含三个核心部分：

文件头 (Header)：包含模型元数据如版本号(4 字节)、顶点数(4 字节)、面片数(4 字节) 和自定义标识符(16 字节)
几何数据块：按顺序存储顶点坐标(float x3)、法线向量(float x3)、UV 纹理坐标(float x2)
索引数据块：存储构成三角面片的顶点索引(ushort x3)

这种结构设计实现了高效的内存紧凑存储，典型文件大小比 OBJ 格式小 40%-60%。

字节序混淆：CC 模型默认采用 Little-Endian，未处理字节序会导致数值解析错误
数据对齐遗漏：每个数据块起始位置需按 4 字节对齐，直接连续读取会错位
法线计算误区：部分 CC 模型可能省略法线数据，需实时计算面法线
UV 坐标翻转 ：垂直轴 UV 坐标需执行v = 1.0 - v 转换
索引缓冲区溢出：超过 65535 顶点的模型会使用 32 位索引，需动态检测

import struct
import numpy as np

def parse_cc_model(file_path):
    """解析 CC 模型文件的完整示例"""
    with open(file_path, 'rb') as f:
        # 读取文件头
        header = f.read(28)
        version, vertex_count, face_count = struct.unpack('<III', header[:12])

        # 检查魔数(示例值 0xCC1234CC)
        magic = struct.unpack('<I', header[24:28])[0]
        if magic != 0xCC1234CC:
            raise ValueError("Invalid CC model format")

        # 读取顶点数据
        vertices = np.frombuffer(f.read(vertex_count*32), dtype=np.float32)
        vertices = vertices.reshape((-1, 8))  # x,y,z + nx,ny,nz + u,v

        # 读取面片索引
        index_type = '<H' if vertex_count <= 65535 else '<I'
        face_size = 3 * (2 if vertex_count <= 65535 else 4)
        indices = np.frombuffer(f.read(face_count*face_size), dtype=np.uint16 if vertex_count <= 65535 else np.uint32)

        return {'vertices': vertices[:, :3],  # 坐标
            'normals': vertices[:, 3:6],  # 法线
            'uvs': vertices[:, 6:8],      # UV
            'indices': indices.reshape((-1, 3))  # 三角面
        }