【技術】一種高效的城市建筑三維建模方法

摘要：在利用住房建設與規劃自然資源領域中的海量二維地理信息系統（GIS）房屋矢量數據進行三維城市建筑建模的過程中，普遍存在模型屬性關聯缺失、語義信息不完整等問題，導致模型在管理層面難以實現精細化、準確化與可視化，且當前三維城市模型大多僅支持可視化展示，缺乏深入的交互分析能力。針對上述問題，本文提出一種基于虛幻引擎5（UE5）的高效三維城市建筑建模方法。以二維矢量數據為基礎，通過構建一條完整的“語義信息鏈”，實現了從數據預處理、語義化規則建模到元數據驅動交互的全流程覆蓋。實驗結果表明，本方法在將模型分組效率提升數十倍、幾何完整率提升約40%的同時，實現了響應時間低于0.5 s的多種實時交互，顯著提升了建模效率與可視化效果，有助于推動語義化三維模型在智慧城市中的應用，并為城市規劃、樓宇管理、應急響應等業務場景提供了可靠的技術支撐。

0 引言

隨著實景三維中國建設戰略的深入推進，實景三維信息產品基于立體化、實體化、真實化三大基本特征，正通過立體化重構、實體化建模與真實化描述等核心技術手段，從靜態的二（或2.5）維數字正射影像圖、數字高程模型、數字柵格地圖、數字線劃地圖（4D）產品向實時（準實時）動態的實體化產品升級演進。這一趨勢不僅提供了更高質量的時空信息服務，也將有效支撐更高層次的時空分析，助力實現更高水平的時空賦能［1］。未來三維城市建模將突破傳統單一幾何重建的局限，通過融合多源環境數據與語義屬性，構建室內室外一體、地上地下貫通的高精度城市信息模型。這一發展趨勢對建模技術的精準性、交互性及智能化水平提出了更高要求［2-3］。

實景三維產品是對傳統4D數據產品的繼承與發展，可依據不同行業應用需求，構建多種行業產品［4］。在住建這一重要應用領域，雖然數字化水平顯著提升，但既有建筑數據，如地理信息系統（geographic information system，GIS）矢量∕柵格數據，普遍缺乏建筑層數、結構類型等關鍵屬性信息［5］。以北京市為例，其400多萬棟單體建筑對應大量歷史沉淀建筑矢量數據，生成的三維建筑模型又常存在語義信息缺失、關聯性弱、交互分析能力不足等問題。如何高效地將二維矢量數據轉化為攜帶語義屬性的三維模型并加以利用，成為亟待解決的難題。

當前主流三維建模技術面臨的瓶頸為：Maya、3ds Max等傳統方法高度依賴人工操作，效率低且成本高，難以適應大規模建模需求［6-7］。傾斜攝影等自動化批量技術雖提升了生成效率，卻普遍存在模型非單體化、幾何細節缺失及紋理畸變等質量問題［8］。而基于城市引擎（CityEngine）的規則化建模方法雖在效率與幾何精度之間取得了平衡，但其研究與應用大多止步于三維幾何模型的批量生成與可視化，未能充分利用模型的語義屬性，導致其功能局限于靜態展示，無法支撐專題查詢、空間分析及空間數據挖掘等深層次應用，嚴重制約了三維模型在智慧城市管理等領域的深度應用價值［9-10］。

針對上述問題，本文集成CityEngine的程序化建模與虛幻引擎5（unreal engine 5，UE5）的實時渲染與交互優勢［11-12］。通過構建從數據預處理、語義化規則建模到元數據驅動交互的完整技術鏈路，不僅實現了語義信息從二維到三維的無損傳遞，更構建了具備深度查詢與動態分析能力的“可感知、可交互”三維場景，突破了傳統模型靜態展示的局限，為智慧城市深度應用提供了新方案。

1 技術路線

本文提出的三維城市建筑建模方法涵蓋三個核心環節，分別為數據預處理、語義化規則建模、可交互三維場景構建。

技術路線遵循“數據、模型、應用”的遞進邏輯。首先，對二維GIS矢量數據進行語義化預處理，通過統一屬性字段構建語義體系；其次，利用計算機生成建筑（computer generated architecture，CGA）規則，實現語義驅動高效建模，使建筑屬性直接控制其三維幾何形態的批量生成；最后，在UE5環境中將承載語義的元數據與藍圖交互功能深度綁定，生成兼具高精度與深度分析能力的可交互語義化三維建筑模型。技術路線如圖1所示。

圖1 技術路線

1.1 數據預處理

傳統二維建筑GIS數據普遍存在屬性字段不統一、語義信息割裂、跨平臺傳遞丟失等問題，導致三維建模過程中，難以實現語義信息向三維模型的有效傳遞與空間一致性，進而使得基于模型的空間查詢與統計分析等功能難以實現［13-14］。本文依托GIS軟件實現對傳統二維建筑數據的語義化預處理。首先，驗證數據的完整性，確保包含建筑輪廓、室內區域、建筑屋頂（復制于建筑輪廓）三類核心圖層；其次，建立統一語義屬性字段體系，涵蓋空間標識、功能類型、樓層數、圖層類型等關鍵語義參數（表1）；最后，通過疊加分析驗證建筑輪廓與室內區域的空間匹配關系，確保建?？臻g位置精確（圖2）。上述預處理流程構建了一套結構統一、語義明確的標準化二維數據集，為后續實現從二維語義屬性到三維模型的無損傳遞與驅動奠定了可靠的數據基礎。

表1 關鍵語義參數對照

圖2 圖層疊加分析

1.2 語義化規則建模

面對城市級海量建筑建模對效率、成本與質量提出的需求，傳統手工建模與傾斜攝影技術均存在明顯瓶頸。盡管基于CityEngine的規則化建模技術具備高效批量生成、空間數據兼容性強、參數可動態調節及成果輕量化等優勢［15-18］，但其傳統應用多止步于建筑外部幾何形態的批量生成，普遍存在模型“語義信息缺失”問題。本文以語義驅動CityEngine規則建模為核心技術路徑，以統一的語義屬性體系為內核，通過規則邏輯直接解析并驅動從建筑輪廓到室內分區等多源圖層數據，旨在實現從“帶有屬性的二維數據”到“具備語義關聯的三維實體”的根本性轉變，從而為建筑模型的分層抽離、精細化查詢與深度交互分析提供了可能，從根本上突破了傳統規則建模成果交互性弱、分析能力不足的瓶頸。

本文批量建模方法的核心在于構建了一套參數化、可復用的CGA規則鏈，其本質是實現語義信息對幾何生成過程的直接驅動。該規則鏈通過讀取預處理后矢量數據中的語義屬性字段，利用CGA規則（表2）將其作為關鍵參數，動態控制建筑地板、墻壁及屋頂等構件的生成邏輯。這種“語義驅動規則，規則定義形態”的模式，使得同一套規則能夠自適應于不同形態與屬性的建筑，從而成功實現了從依賴“一對一”手工建模的傳統模式，向“一對多”的批量化、語義化生產模式轉變。

表2 CGA規則函數對照

針對不規則圖形中心縮放導致的穿模問題，經多次實驗，選用offset函數代替傳統s函數，較傳統方法模型完整率提升了約40%，保障了批量產出模型的視覺質量與幾何準確性。兩種縮放方法對比效果如圖3所示。

圖3 兩種縮放方法效果對比

本文實現了語義信息從二維到三維的無損傳遞與承載。所生成的三維模型涵蓋了整體樓幢輪廓、分層結構與內部獨立戶室的多級幾何細節。通過將承載了語義信息的三維模型以Datasmith格式導出，所有在預處理階段注入的語義屬性字段均被完整保留，并作為模型的“元數據”（Metadata）嵌入UE5環境。這確保了模型不僅是視覺上的幾何體，更是一個內涵豐富語義信息的數據載體。此步驟為在UE5中實現基于屬性的查詢、分析與交互提供了根本前提，使得三維模型真正成了可查詢、可分析、可管理的語義化數字資產。

1.3 可交互建筑模型構建

三維城市的最終價值在于其“可洞察、可管理、可模擬”的能力，這要求模型必須具備深度的交互性與動態分析功能。UE5憑借其Nanite虛擬微多邊形幾何體與Lumen動態全局光照技術，為實現超大規模、高真實感城市場景的實時渲染提供了底層支持［19-21］。本研究基于UE5引擎，突破傳統三維場景“只可視不可析”的局限，以貫穿始終的語義化模型為基礎，構建了一個元數據驅動、結構層次化、功能可擴展的交互建筑模型系統。

本文將元數據作為驅動系統交互架構的基石，通過藍圖系統直接讀取Datasmith模型攜帶的元數據，并將這些數據與具體的交互功能綁定（表3）。這種設計使得交互邏輯與模型實體高度解耦，同一套交互機制可復用于所有建筑，極大提升了開發效率與系統的可維護性。

表3 元數據實現功能對照表

針對CityEngine導出模型缺乏層級結構的難題，本研究提出了一種基于元數據的自動層級構建方法。該方法智能解構初始導入的扁平化Datasmith模型，并依據元數據將其重組為“樓棟-樓層-構件”的清晰層級樹（圖4）。具體而言，系統首先根據樓棟唯一編碼（houseId）創建“樓棟父容器”；其次在每個樓棟容器內，按樓層數（f）生成“樓層子容器”和“樓頂子容器”；最后所有模型實體根據其類型（TS）被自動歸類至對應的BUILD、IN或ROOF容器中。此方法從根本上杜絕了人工操作的失誤，為實現大規模場景的交互管理提供了必要的組織結構基礎。

圖4 層級組織結構

為實現復雜的交互邏輯，本研究設計了核心交互邏輯狀態機（圖5），用于統一管理建筑的分層抽離、信息查詢與高亮等功能的執行流程與狀態切換。同時，設計并實現了一種時序可視化算法，根據元數據中的建筑建設開工和竣工時間、樓層數，將時間序列數據映射到模型的層數表現上。為城市規劃、項目復盤等場景提供了強大的動態模擬與分析工具，公式為

圖5 核心交互邏輯狀態機

式中，F為當前顯示樓層數；f為地上樓層數；S為開工時間；T為用戶控制時間軸位置；E為竣工時間；round為四舍五入取整函數；lerp為線性插值函數。

2 實驗與結果分析 2.1 實驗區與數據源

實驗對象選取北京市通州區土橋中街某小區3棟樓宇，建筑形態包括地上10層（地下1層）與地上15層（地下1層）。原始數據來源于住建歷史單體建筑SHP數據，建筑輪廓、室內區域、建筑屋頂（復制于建筑輪廓）已包含空間幾何與語義屬性信息等基本數據。

2.2 數據預處理結果

實驗選用QGIS平臺對原始數據進行語義化預處理，重點驗證三類核心圖層的幾何一致性與關鍵語義字段的完整性，確保數據在跨平臺傳遞過程中語義信息不丟失、結構統一，為后續語義驅動的程序化建模奠定基礎。

2.3 語義化規則建模結果

將預處理過的SHP數據導入到CityEngine中，編寫CGA規則并與三類圖層關聯，實現語義驅動的分層批量建模。

CGA規則核心代碼如下：

所生成的三維建筑模型（圖6）幾何定位準確，無穿插或重疊現象，細節表現精確。內部區域依據功能類型以不同顏色區分房間（紅色）和功能區（藍色），實現了語義信息的可視化表達。模型導出為Datasmith格式，所有原始語義字段均作為元數據完整保留，有效支持后續模型交互、數據查詢等核心應用需求。

圖6 三維模型生成效果

2.4 可交互建筑模型構建結果

實驗采用UE5構建可交互建筑模型，將模型自動分組后實現建筑分層抽離、顯示信息彈窗、時序可視化等交互功能。

1）導入Datasmith文件，其中元數據完整繼承了建筑二維矢量數據的語義屬性字段，并支持對CityEngine模型空間幾何數據及材質參數的無損傳遞。借助這一全量繼承機制，傳統建模流程中常見的 “語義信息丟失” 問題得以有效避免，實現了幾何模型與語義屬性的深度綁定，為實現數據驅動交互提供了核心保障。

2）基于交互邏輯狀態機與時序可視化算法，借助UE5的可視化編程系統，以低代碼方式通過元數據利用藍圖節點（表4），實現樓棟展開、樓層抽離與建筑時序可視化等交互功能。藍圖邏輯由元數據驅動，使得同一套交互架構可復用于所有樓棟模型，顯著提高了開發效率。

表4 關鍵藍圖節點及實現功能

3）應用自動層級構建方法后，系統能夠基于元數據自動構建清晰的結構，從分組前的扁平松散狀態，轉化為清晰的樹形層級結構，并將模型按邏輯層級快速分組，同時將交互藍圖關聯至對應模型，為后續交互功能的實現奠定了組織結構基礎。該工具徹底取代了傳統基于3ds Max的手動分組流程：實測顯示，對100棟建筑進行分組處理的時間從小時級縮短至分鐘級，效率提升達數十倍，實現了全自動化的分組操作。具體效率對比數據參見表5。

表5 人工分組與自動化工具效率對比

4）實現建筑分層抽離、顯示信息彈窗交互功能（圖7）。點擊建筑樓頂可觸發按樓層展開，點擊指定樓層可實現單樓層抽離，點擊室內區域（如房間、電梯間）則激活信息彈窗并觸發高亮顯示。射線檢測命中到信息彈窗顯示響應時間≤0.5 s，滿足實時交互需求。

圖7 實際操作演示

5）實現時序可視化交互功能。利用滑塊時間軸、輸入查詢等UI控件控制時間變化，實現三維城市模型的時序可視化，可精準還原建筑從開工到竣工的動態建設過程，提升三維模型交互分析能力。

3 結束語

本文針對智慧城市建設中海量建筑精細化建模與實時交互展示的技術瓶頸，提出了一種基于UE5的三維城市的高效構建方法。通過整合GIS數據處理、程序化語義建模與UE5動態交互三項技術，構建了以語義信息為紐帶的完整三維城市建筑建模技術路線。不僅兼顧了建模精度與建模效率，更通過對語義化三維模型的初步探索，實現了時序可視化、空間查詢、動態分析等功能，為城市規劃、樓宇管理、應急響應等場景提供了可靠的技術支撐，形成了標準化、低成本、強交互的創新解決方案。未來可基于現有技術框架進一步拓展多元應用場景，推動語義化三維模型在智慧城市建設中發揮更大價值。

引文格式：呂貝嘉，邢晨，唐建智，等.基于Unreal Engine 5引擎的三維城市建筑建模方法［J］.北京測繪，2026，40（3）：343-349.

作者簡介： 呂貝嘉（1987—），男，北京人，大學本科，工程師，從事地理信息系統研發工作。
E-mail: 183730128@qq.com

來源：北京測繪雜志社 轉自：測繪學術資訊