【技术】一种高效的城市建筑三维建模方法

摘要：在利用住房建设与规划自然资源领域中的海量二维地理信息系统（GIS）房屋矢量数据进行三维城市建筑建模的过程中，普遍存在模型属性关联缺失、语义信息不完整等问题，导致模型在管理层面难以实现精细化、准确化与可视化，且当前三维城市模型大多仅支持可视化展示，缺乏深入的交互分析能力。针对上述问题，本文提出一种基于虚幻引擎5（UE5）的高效三维城市建筑建模方法。以二维矢量数据为基础，通过构建一条完整的“语义信息链”，实现了从数据预处理、语义化规则建模到元数据驱动交互的全流程覆盖。实验结果表明，本方法在将模型分组效率提升数十倍、几何完整率提升约40%的同时，实现了响应时间低于0.5 s的多种实时交互，显著提升了建模效率与可视化效果，有助于推动语义化三维模型在智慧城市中的应用，并为城市规划、楼宇管理、应急响应等业务场景提供了可靠的技术支撑。

0 引言

随着实景三维中国建设战略的深入推进，实景三维信息产品基于立体化、实体化、真实化三大基本特征，正通过立体化重构、实体化建模与真实化描述等核心技术手段，从静态的二（或2.5）维数字正射影像图、数字高程模型、数字栅格地图、数字线划地图（4D）产品向实时（准实时）动态的实体化产品升级演进。这一趋势不仅提供了更高质量的时空信息服务，也将有效支撑更高层次的时空分析，助力实现更高水平的时空赋能［1］。未来三维城市建模将突破传统单一几何重建的局限，通过融合多源环境数据与语义属性，构建室内室外一体、地上地下贯通的高精度城市信息模型。这一发展趋势对建模技术的精准性、交互性及智能化水平提出了更高要求［2-3］。

实景三维产品是对传统4D数据产品的继承与发展，可依据不同行业应用需求，构建多种行业产品［4］。在住建这一重要应用领域，虽然数字化水平显著提升，但既有建筑数据，如地理信息系统（geographic information system，GIS）矢量∕栅格数据，普遍缺乏建筑层数、结构类型等关键属性信息［5］。以北京市为例，其400多万栋单体建筑对应大量历史沉淀建筑矢量数据，生成的三维建筑模型又常存在语义信息缺失、关联性弱、交互分析能力不足等问题。如何高效地将二维矢量数据转化为携带语义属性的三维模型并加以利用，成为亟待解决的难题。

当前主流三维建模技术面临的瓶颈为：Maya、3ds Max等传统方法高度依赖人工操作，效率低且成本高，难以适应大规模建模需求［6-7］。倾斜摄影等自动化批量技术虽提升了生成效率，却普遍存在模型非单体化、几何细节缺失及纹理畸变等质量问题［8］。而基于城市引擎（CityEngine）的规则化建模方法虽在效率与几何精度之间取得了平衡，但其研究与应用大多止步于三维几何模型的批量生成与可视化，未能充分利用模型的语义属性，导致其功能局限于静态展示，无法支撑专题查询、空间分析及空间数据挖掘等深层次应用，严重制约了三维模型在智慧城市管理等领域的深度应用价值［9-10］。

针对上述问题，本文集成CityEngine的程序化建模与虚幻引擎5（unreal engine 5，UE5）的实时渲染与交互优势［11-12］。通过构建从数据预处理、语义化规则建模到元数据驱动交互的完整技术链路，不仅实现了语义信息从二维到三维的无损传递，更构建了具备深度查询与动态分析能力的“可感知、可交互”三维场景，突破了传统模型静态展示的局限，为智慧城市深度应用提供了新方案。

1 技术路线

本文提出的三维城市建筑建模方法涵盖三个核心环节，分别为数据预处理、语义化规则建模、可交互三维场景构建。

技术路线遵循“数据、模型、应用”的递进逻辑。首先，对二维GIS矢量数据进行语义化预处理，通过统一属性字段构建语义体系；其次，利用计算机生成建筑（computer generated architecture，CGA）规则，实现语义驱动高效建模，使建筑属性直接控制其三维几何形态的批量生成；最后，在UE5环境中将承载语义的元数据与蓝图交互功能深度绑定，生成兼具高精度与深度分析能力的可交互语义化三维建筑模型。技术路线如图1所示。

图1 技术路线

1.1 数据预处理

传统二维建筑GIS数据普遍存在属性字段不统一、语义信息割裂、跨平台传递丢失等问题，导致三维建模过程中，难以实现语义信息向三维模型的有效传递与空间一致性，进而使得基于模型的空间查询与统计分析等功能难以实现［13-14］。本文依托GIS软件实现对传统二维建筑数据的语义化预处理。首先，验证数据的完整性，确保包含建筑轮廓、室内区域、建筑屋顶（复制于建筑轮廓）三类核心图层；其次，建立统一语义属性字段体系，涵盖空间标识、功能类型、楼层数、图层类型等关键语义参数（表1）；最后，通过叠加分析验证建筑轮廓与室内区域的空间匹配关系，确保建模空间位置精确（图2）。上述预处理流程构建了一套结构统一、语义明确的标准化二维数据集，为后续实现从二维语义属性到三维模型的无损传递与驱动奠定了可靠的数据基础。

表1 关键语义参数对照

图2 图层叠加分析

1.2 语义化规则建模

面对城市级海量建筑建模对效率、成本与质量提出的需求，传统手工建模与倾斜摄影技术均存在明显瓶颈。尽管基于CityEngine的规则化建模技术具备高效批量生成、空间数据兼容性强、参数可动态调节及成果轻量化等优势［15-18］，但其传统应用多止步于建筑外部几何形态的批量生成，普遍存在模型“语义信息缺失”问题。本文以语义驱动CityEngine规则建模为核心技术路径，以统一的语义属性体系为内核，通过规则逻辑直接解析并驱动从建筑轮廓到室内分区等多源图层数据，旨在实现从“带有属性的二维数据”到“具备语义关联的三维实体”的根本性转变，从而为建筑模型的分层抽离、精细化查询与深度交互分析提供了可能，从根本上突破了传统规则建模成果交互性弱、分析能力不足的瓶颈。

本文批量建模方法的核心在于构建了一套参数化、可复用的CGA规则链，其本质是实现语义信息对几何生成过程的直接驱动。该规则链通过读取预处理后矢量数据中的语义属性字段，利用CGA规则（表2）将其作为关键参数，动态控制建筑地板、墙壁及屋顶等构件的生成逻辑。这种“语义驱动规则，规则定义形态”的模式，使得同一套规则能够自适应于不同形态与属性的建筑，从而成功实现了从依赖“一对一”手工建模的传统模式，向“一对多”的批量化、语义化生产模式转变。

表2 CGA规则函数对照

针对不规则图形中心缩放导致的穿模问题，经多次实验，选用offset函数代替传统s函数，较传统方法模型完整率提升了约40%，保障了批量产出模型的视觉质量与几何准确性。两种缩放方法对比效果如图3所示。

图3 两种缩放方法效果对比

本文实现了语义信息从二维到三维的无损传递与承载。所生成的三维模型涵盖了整体楼幢轮廓、分层结构与内部独立户室的多级几何细节。通过将承载了语义信息的三维模型以Datasmith格式导出，所有在预处理阶段注入的语义属性字段均被完整保留，并作为模型的“元数据”（Metadata）嵌入UE5环境。这确保了模型不仅是视觉上的几何体，更是一个内涵丰富语义信息的数据载体。此步骤为在UE5中实现基于属性的查询、分析与交互提供了根本前提，使得三维模型真正成了可查询、可分析、可管理的语义化数字资产。

1.3 可交互建筑模型构建

三维城市的最终价值在于其“可洞察、可管理、可模拟”的能力，这要求模型必须具备深度的交互性与动态分析功能。UE5凭借其Nanite虚拟微多边形几何体与Lumen动态全局光照技术，为实现超大规模、高真实感城市场景的实时渲染提供了底层支持［19-21］。本研究基于UE5引擎，突破传统三维场景“只可视不可析”的局限，以贯穿始终的语义化模型为基础，构建了一个元数据驱动、结构层次化、功能可扩展的交互建筑模型系统。

本文将元数据作为驱动系统交互架构的基石，通过蓝图系统直接读取Datasmith模型携带的元数据，并将这些数据与具体的交互功能绑定（表3）。这种设计使得交互逻辑与模型实体高度解耦，同一套交互机制可复用于所有建筑，极大提升了开发效率与系统的可维护性。

表3 元数据实现功能对照表

针对CityEngine导出模型缺乏层级结构的难题，本研究提出了一种基于元数据的自动层级构建方法。该方法智能解构初始导入的扁平化Datasmith模型，并依据元数据将其重组为“楼栋-楼层-构件”的清晰层级树（图4）。具体而言，系统首先根据楼栋唯一编码（houseId）创建“楼栋父容器”；其次在每个楼栋容器内，按楼层数（f）生成“楼层子容器”和“楼顶子容器”；最后所有模型实体根据其类型（TS）被自动归类至对应的BUILD、IN或ROOF容器中。此方法从根本上杜绝了人工操作的失误，为实现大规模场景的交互管理提供了必要的组织结构基础。

图4 层级组织结构

为实现复杂的交互逻辑，本研究设计了核心交互逻辑状态机（图5），用于统一管理建筑的分层抽离、信息查询与高亮等功能的执行流程与状态切换。同时，设计并实现了一种时序可视化算法，根据元数据中的建筑建设开工和竣工时间、楼层数，将时间序列数据映射到模型的层数表现上。为城市规划、项目复盘等场景提供了强大的动态模拟与分析工具，公式为

图5 核心交互逻辑状态机

式中，F为当前显示楼层数；f为地上楼层数；S为开工时间；T为用户控制时间轴位置；E为竣工时间；round为四舍五入取整函数；lerp为线性插值函数。

2 实验与结果分析 2.1 实验区与数据源

实验对象选取北京市通州区土桥中街某小区3栋楼宇，建筑形态包括地上10层（地下1层）与地上15层（地下1层）。原始数据来源于住建历史单体建筑SHP数据，建筑轮廓、室内区域、建筑屋顶（复制于建筑轮廓）已包含空间几何与语义属性信息等基本数据。

2.2 数据预处理结果

实验选用QGIS平台对原始数据进行语义化预处理，重点验证三类核心图层的几何一致性与关键语义字段的完整性，确保数据在跨平台传递过程中语义信息不丢失、结构统一，为后续语义驱动的程序化建模奠定基础。

2.3 语义化规则建模结果

将预处理过的SHP数据导入到CityEngine中，编写CGA规则并与三类图层关联，实现语义驱动的分层批量建模。

CGA规则核心代码如下：

所生成的三维建筑模型（图6）几何定位准确，无穿插或重叠现象，细节表现精确。内部区域依据功能类型以不同颜色区分房间（红色）和功能区（蓝色），实现了语义信息的可视化表达。模型导出为Datasmith格式，所有原始语义字段均作为元数据完整保留，有效支持后续模型交互、数据查询等核心应用需求。

图6 三维模型生成效果

2.4 可交互建筑模型构建结果

实验采用UE5构建可交互建筑模型，将模型自动分组后实现建筑分层抽离、显示信息弹窗、时序可视化等交互功能。

1）导入Datasmith文件，其中元数据完整继承了建筑二维矢量数据的语义属性字段，并支持对CityEngine模型空间几何数据及材质参数的无损传递。借助这一全量继承机制，传统建模流程中常见的 “语义信息丢失” 问题得以有效避免，实现了几何模型与语义属性的深度绑定，为实现数据驱动交互提供了核心保障。

2）基于交互逻辑状态机与时序可视化算法，借助UE5的可视化编程系统，以低代码方式通过元数据利用蓝图节点（表4），实现楼栋展开、楼层抽离与建筑时序可视化等交互功能。蓝图逻辑由元数据驱动，使得同一套交互架构可复用于所有楼栋模型，显著提高了开发效率。

表4 关键蓝图节点及实现功能

3）应用自动层级构建方法后，系统能够基于元数据自动构建清晰的结构，从分组前的扁平松散状态，转化为清晰的树形层级结构，并将模型按逻辑层级快速分组，同时将交互蓝图关联至对应模型，为后续交互功能的实现奠定了组织结构基础。该工具彻底取代了传统基于3ds Max的手动分组流程：实测显示，对100栋建筑进行分组处理的时间从小时级缩短至分钟级，效率提升达数十倍，实现了全自动化的分组操作。具体效率对比数据参见表5。

表5 人工分组与自动化工具效率对比

4）实现建筑分层抽离、显示信息弹窗交互功能（图7）。点击建筑楼顶可触发按楼层展开，点击指定楼层可实现单楼层抽离，点击室内区域（如房间、电梯间）则激活信息弹窗并触发高亮显示。射线检测命中到信息弹窗显示响应时间≤0.5 s，满足实时交互需求。

图7 实际操作演示

5）实现时序可视化交互功能。利用滑块时间轴、输入查询等UI控件控制时间变化，实现三维城市模型的时序可视化，可精准还原建筑从开工到竣工的动态建设过程，提升三维模型交互分析能力。

3 结束语

本文针对智慧城市建设中海量建筑精细化建模与实时交互展示的技术瓶颈，提出了一种基于UE5的三维城市的高效构建方法。通过整合GIS数据处理、程序化语义建模与UE5动态交互三项技术，构建了以语义信息为纽带的完整三维城市建筑建模技术路线。不仅兼顾了建模精度与建模效率，更通过对语义化三维模型的初步探索，实现了时序可视化、空间查询、动态分析等功能，为城市规划、楼宇管理、应急响应等场景提供了可靠的技术支撑，形成了标准化、低成本、强交互的创新解决方案。未来可基于现有技术框架进一步拓展多元应用场景，推动语义化三维模型在智慧城市建设中发挥更大价值。

引文格式：吕贝嘉，邢晨，唐建智，等.基于Unreal Engine 5引擎的三维城市建筑建模方法［J］.北京测绘，2026，40（3）：343-349.

作者简介： 吕贝嘉（1987—），男，北京人，大学本科，工程师，从事地理信息系统研发工作。
E-mail: 183730128@qq.com

来源：北京测绘杂志社 转自：测绘学术资讯