shp、geojson等文件直接生成模型方案

地理信息数据（GPS采集的84坐标）直接生成模型方案探讨

以采集道路gps，生成道路模型为例

思路框架如下：
1.gps采集得到定位数据
2.获取geojson文件
3.geojson转obj文件（计划采用node或python库实现，因为暂时只发现pyprt只能使用obj）
4.在cityengine中编写cga文件，并共享为rpk文件（均在cityengine实现）
5.在python中安装pyprt，使用rpk和obj文件生成模型文件
6.发布为地图服务
7.在cesium中展示模型

一、 gps采集得到定位数据

使用gps设备采集定位数据，采集到的一般是WGS84坐标系（EPSG:4326），这是经纬度坐标系。（如果用高德百度api采集的也可能是gcj02或bd09坐标系，为基于WGS84的一层或两层加密）。还有一种webgis上常用的坐标系是EPSG:3857。是基于WGS84椭球体的web墨卡托投影坐标系。可以在网站https://epsg.io查看搜索各类坐标系详情及转换方式。可采用proj4这个npm包在node端对坐标投影等进行转换。

二、获取geojson文件

  • 将采集到的定位数据拼接成geojson。geojson是一种基于 JSON（JavaScript Object Notation）的地理空间数据格式，它允许在地图上表示点、线、面、多边形等地理空间要素和属性数据。geojson数据结构可以包括一个或多个要素，每个要素可以具有一组坐标点和属性信息。
  • geojson无需任何软件来创建，本质就是一个可读的json对象。type有"Point", "MultiPoint", "LineString", "MultiLineString", "Polygon", "MultiPolygon"等类型。

  • cityengine有图形网络（街道绘制）和形状绘制两种工具。


    图片.png

个人使用后初步的理解是：形状绘制可以用来做建筑、道路等所有形状，是以面为基本图形。而街道绘制用来绘制道路、街道、人行道等交通网络要素。街道绘制更高级一些，会根据绘制的节点线段按参数生成形状，而形状绘制更底层一些
目前主要是要做道路的建模，所以主要用到图形网络（街道绘制工具）这个工具。
在cityengine中绘制的街道可以导出为shp文件，但导出时有导出所选形状和导出所选图形对象两个可选

图片.png

ps:这两个的区别是，导出所选形状后，导出是shp下次导入后就变成形状了，只能用形状工具去修改编辑。导出所选图形对象导出的shp下次导入后显示的还是图形网络（街道编辑）。另外这个shp文件转为geojson后，可见导出形状的那份geojson为polygon数据，而导出图形网络那份是lineString数据，并且附带有路宽等道路街道数据

//geojson数据---导出形状shp转geojson后数据栗子
{
    "type": "FeatureCollection",
    "features": [{
            "type": "Feature",
            "geometry": {
                "type": "Polygon",
                "coordinates": [[100.0, 0.0], [101.0, 0.0], [101.0, 1.0], [100.0, 1.0], [100.0, 0.0]]
            },
            "properties": {
                "prop0": "value0",
            }
        }
    ]
}

//geojson数据---导出所选图形对象后转geojson数据
{
    "type": "FeatureCollection",
    "features": [
        {
            "type": "Feature",
            "geometry": {
                "type": "LineString",
                "coordinates": [
                    [
                        -1248.71826171875,
                        1421.1990966796875
                    ],
                    [
                        -1052.2059326171875,
                        1321.875732421875
                    ]
                ]
            },
            "properties": {
                "cnnctnStrt": "DEAD_END",
                "cnnctnnd": "DEAD_END",
                "name": "Major Edge",
                "type": "MAJOR",
                "strtWdth": 7,
                "sdwlkWdthR": 3,
                "sdwlkWdthL": 3,
                "precision": 0.5,
                "laneWidth": 3.5,
                "strtffst": 0,
                "shpCrtn": true
            }
        }
    ]
}

三、geojson转obj

可以采用geojson2obj这个npm包在node端进行转换

import t from 'geojson2obj'
import fs from 'fs'

var geojsonStr = {
    "type": "FeatureCollection", "features": [
        { "type": "Feature", "geometry": { "type": "Polygon", "coordinates": [[[857781.52734375, 3252809.4122314453], [857780.2236328125, 3252778.721069336], [857773.2299804688, 3252779.0181884766], [857774.5336914062, 3252809.709350586], [857781.52734375, 3252809.4122314453]]] }, "properties": { "shapeType": "Street", "ruleFile": "", "startRule": "Street", "name": "Shape", "sdwlkSd": "", "randomSeed": 210117 } },
        { "type": "Feature", "geometry": { "type": "Polygon", "coordinates": [[[857774.5336914062, 3252809.709350586], [857773.2299804688, 3252779.0181884766], [857770.2326660156, 3252779.1455078125], [857771.5363769531, 3252809.836669922], [857774.5336914062, 3252809.709350586]]] }, "properties": { "shapeType": "Sidewalk", "ruleFile": "", "startRule": "Sidewalk", "name": "Shape", "sdwlkSd": "Left", "randomSeed": 127763 } },
        { "type": "Feature", "geometry": { "type": "Polygon", "coordinates": [[[857780.2236328125, 3252778.721069336], [857781.52734375, 3252809.4122314453], [857784.5246582031, 3252809.2849121094], [857783.2209472656, 3252778.59375], [857780.2236328125, 3252778.721069336]]] }, "properties": { "shapeType": "Sidewalk", "ruleFile": "", "startRule": "Sidewalk", "name": "Shape", "sdwlkSd": "Right", "randomSeed": 223939 } }
    ]
}

var writerStream = fs.createWriteStream('output.obj');
t.toObj(geojsonStr, writerStream, (e) => {
    console.log(e)
})

四、在cityengine中编写cga文件并导出rpk

1.编写cga文件，cga语法可在arcgis官网学习。

2.导出rpk。在cga文件上右键选择共享为。在弹窗中选择导出路径

图片.png

以上操作后，rpk文件就制作好了，rpk是一个压缩文件，可以使用bandzip等压缩软件解压查看内部。它主要包含assets资源文件及cga编译后的cgb文件。

五、python pyprt包的使用

  • CityEngine SDK PRT API 的 Python 接口，称为 PyPRT。 它允许在 Python 应用程序中基于规则包 (RPK) 生成 3D 模型。

1. 安装anaconda

anaconda下载地址 https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Windows-x86_64.exe

2.添加conda环境变量

将安装目录下的\Scripts目录添加至系统环境变量，添加后在cmd界面输入conda可见信息


图片.png

即成功。

3.安装python版本、使用版本、安装 pyprt包

由于city engine官方为我们准备了python3.8、3.9、3.10、3.11版本的pyprt包，所以我们可以安装python3.11。如下操作可正确安装pyprt

conda create -n py311 python=3.11
conda activate py311
conda install -c esri pyprt

4.使用pyprt生成模型

pyprt官网介绍
pyprt官方示例

六、发布为地图服务

  • 方案1
    使用arcgis官方示例9中的方案，采用的是arcgis官方的地图服务器，即将文件发布到arcgis online上。示例9中是将cad文件（后缀为dxf）转换为slpk后发布到arcgis online。
    我尚未了解arcgis online服务的收费情况及网络情况，所以先不考虑这个方案
  • 方案二
    将生成的文件发布为3Dtiles
    可采用cesiumlab等工具转换为3Dtiles
    程序化的转换还在研究中

七、在cesium中展示模型

这个比较简单，不多说了。cesium官网→https://cesium.com/
也可以直接用threejs展示模型，但如果涉及地理相关情况可能cesium更专业一点

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容