你是否曾经梦想过一种高效且简单的方法，只需三行代码即可在 Python 中创建 3D 几何图形？你的梦想成真了，它被称为“PyPRT”。
PyPRT 是CityEngine Procedural Runtime 的 Python 绑定。PRT 代表“Procedural Runtime”，是 CityEngine 3D 生成的核心。不过这篇文章与 CityEngine 无关，你无需了解 CityEngine 即可对以下内容感兴趣。
在可以使用它的所有可能示例中，PyPRT 非常强大，如果你想：
- 从建筑物足迹（LOD2 建筑物）中生成简单的 3D 内容
- 优化 3D 几何设计（示例如下）
- 将 3D 几何图形转换为另一种格式
1、让我们谈谈 Python
2019 年是 Python 年。越来越多的人在他们的项目中使用这种编程语言。根据排名，Python 确实是当今最流行的编程语言之一。
我个人经常使用 Python。实际上，当我 2018 年在苏黎世的 Esri 研发中心开始工作时，我正在研究用于城市规划的机器学习应用程序。作为任何机器学习项目的第一步，我必须处理很多（我的意思是，很多）数据：清理数据、扩展数据、删除异常值、再次处理等等。对于这些任务，Python 很棒！它易于使用、直观且功能强大。我特别喜欢使用Jupyter notebook以及 NumPy 和 Pandas 等库。收集我的数据集后，我使用TensorFlow构建了对我的数据进行建模的神经网络。最后，我可以使用 Matplotlib 绘制结果。Python 具有如此广泛的应用程序，并且对于您正在尝试构建的内容的快速反馈非常方便。
尽管如此，让 Python 用户可以访问 CityEngine PRT API 对我们来说是完全有意义的。请访问PyPRT 页面以获取有关包安装、文档和示例以及即用型规则包和初始形状的更多信息。
2、PRT的 Python 绑定
CityEngine PRT SDK 是在 CityEngine 中执行 3D 生成的底层引擎。简而言之，它允许将任何数据（2D 或 3D）转换为详细的 3D 几何图形。这种变换基于一组几何规则。PRT 是一个 C++ API。因此，PyPRT 的目标是让 Python 用户能够访问 Python 世界中 PRT 的主要功能。
遵循 Python 在简单性和易用性方面的理念，你不需要太多即可使 PyPRT 工作：初始形状和规则文件。例如，初始形状可以是建筑物占地面积、地块或任何多边形。它对应于你要在其上应用程序操作以获得 3D 生成模型的几何图形。将这些过程操作写入规则文件中，该文件是 CGA（计算机生成体系结构）文件。从其名称中可以看出，CGA 文件包含 CGA 代码，它是程序建模语言。如果您想了解有关 CGA 的更多信息，请查看此内容。
程序建模：输入几何（左）和生成的 3D 模型（右）
让我们看一个例子。想象一下，你想快速可视化城市社区的建筑物。该区域的建筑物设计在 CGA 规则文件中建模和编码。也许你编写了此规则文件，或者有人将其作为规则包与你共享。此规则包封装了规则文件以及要应用于新建筑物的资源和纹理。
在 Python 脚本或 Jupyter 笔记本中，调用 PyPRT “generate_model”函数。该函数将地块和规则包作为参数，以便按程序计算 3D 几何。然后，你可以将生成的几何图形作为 Python 数组读取并进一步处理。然后，使用 Python 3D 可视化库，可以使用在地块顶部生成的 3D 建筑物对社区进行可视化。
因此，使用 PyPRT，你可以轻松创建存储为 Python 数据结构的 3D 几何图形。但是你也可以将这些生成的几何图形导出为其他格式，如 OBJ、Collada、GLTF、i3s 等。本质上，PyPRT 带有一组几何导出器。
在多个初始形状上程序生成并导出为 OBJ 的 3D 建筑物
最后但同样重要的是，PyPRT 允许在多个初始形状上生成 3D 几何图形。每个初始形状都可以有一个定制的生成模型。例如，在对建筑物进行建模时，可以通过更改 CGA 规则输入属性的值来修改生成的建筑物的参数。使用此功能，整个社区（甚至城市！）的生成大大简化。
3、示例：优化建筑物的绿化面积
在重新开发城市区域时，城市规划师、城市设计师或建筑师必须设计出满足各种要求的最有趣的建筑。其中一些要求是定量的。它们可以是任何东西，从负担得起的公寓数量到建筑物的太阳能潜力。设计满足一组要求的建筑物可能是一项繁琐的任务，尤其是当建筑物的模型很复杂并且由许多可调参数组成时。使用 PyPRT，可以简化建筑设计的优化。
在米兰，你可以参观 Bosco Verticale（垂直森林）建筑。这些建筑被树木和植物所覆盖。在 CityEngine 中，我们编写了一个 CGA 规则文件，允许生成受 Bosco Verticale 立面架构启发的建筑模型。然而，我们可以改变建筑物的三个属性：地块覆盖率、第一层高度和建筑物占地面积形状。给定建筑物的建筑设计（由 CGA 规则定义）和地块，我们应该选择这些属性的哪些值来最大化建筑绿地面积？
优化参数：层高、地块覆盖率、建筑占地面积形状
可以在下面找到解决上述问题所需步骤的简短说明。可以同时查看代码。
- 使用宗地作为初始形状来实例化 PyPRT ModelGenerator 类。初始形状可以来自文件，也可以指定地块的顶点坐标。在本例中，初始形状是一个 OBJ 文件。
- 然后，必须定义优化问题的目标函数。这是我们要最小化或最大化的功能。在其中，调用 ModelGenerator 实例的 PyPRT“generate_model”方法，并将建筑物属性作为参数进行变化。在我们的示例中，优化目标函数的返回值是绿色空间的数量。此编号位于生成模型的报告中。因此，在生成的建筑物上调用“get_report”方法并读取报告字典中的绿色空间条目。
- 可以对属性范围指定一些约束（例如最小值和最大值）。
- 最后，使用任何优化算法，将目标函数和属性边界作为算法的参数并运行它。它将给出每个属性的最佳值，以最大化绿化面积。
为了解决这个问题，我使用了 Python 社区中广泛使用的SciPy优化库。但是，任何优化算法都适用于 PyPRT。