【亲测免费】 Rhino Compute 项目教程
1. 项目介绍
Rhino Compute 是一个基于 RhinoCommon 和 headless Rhino 的 REST 几何服务器。它允许开发者通过 REST API 访问 Rhino 的几何计算功能,包括 Rhino 和 Grasshopper 的强大几何处理能力。Rhino Compute 是 Rhino 8 for Windows 的一部分,可以在任何支持 Rhino 8 for Windows 的环境中运行。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你已经安装了以下软件:
- Rhino 8 for Windows
- Python 3.x
- Git
2.2 克隆项目
首先,克隆 Rhino Compute 项目到本地:
git clone https://github.com/mcneel/compute.rhino3d.git
cd compute.rhino3d
2.3 安装依赖
进入项目目录后,安装所需的 Python 依赖:
pip install -r requirements.txt
2.4 启动服务
使用以下命令启动 Rhino Compute 服务:
python src/compute.py
2.5 测试服务
启动服务后,你可以通过浏览器或 Postman 等工具访问以下 URL 来测试服务是否正常运行:
http://localhost:8081/version
如果服务正常,你将看到 Rhino Compute 的版本信息。
3. 应用案例和最佳实践
3.1 几何计算
Rhino Compute 可以用于各种几何计算任务,例如生成复杂的几何形状、进行布尔运算、以及处理曲面和曲线。以下是一个简单的 Python 示例,展示如何使用 Rhino Compute 生成一个简单的立方体:
import requests
url = "http://localhost:8081/rhino/geometry/box"
params = {
"basePlane": "Plane(Point3d(0,0,0), Vector3d(0,0,1))",
"xSize": 10,
"ySize": 10,
"zSize": 10
}
response = requests.get(url, params=params)
print(response.json())
3.2 Grasshopper 计算
Rhino Compute 还支持 Grasshopper 的计算功能。你可以通过 REST API 调用 Grasshopper 定义的组件和逻辑。以下是一个示例,展示如何调用 Grasshopper 组件:
import requests
url = "http://localhost:8081/grasshopper"
data = {
"pointer": "your_grasshopper_definition_path",
"values": {
"input_param1": "value1",
"input_param2": "value2"
}
}
response = requests.post(url, json=data)
print(response.json())
4. 典型生态项目
4.1 Rhino 3D
Rhino 3D 是一个强大的三维建模工具,广泛应用于建筑、工业设计和产品设计等领域。Rhino Compute 作为 Rhino 3D 的一部分,提供了强大的几何计算能力,使得开发者可以在 Rhino 3D 的基础上构建更复杂的应用。
4.2 Grasshopper
Grasshopper 是 Rhino 3D 的可视化编程插件,允许用户通过图形界面创建复杂的参数化模型。Rhino Compute 支持 Grasshopper 的计算功能,使得开发者可以通过 REST API 访问 Grasshopper 的强大功能。
4.3 Rhino.Inside
Rhino.Inside 是一个允许 Rhino 3D 嵌入到其他应用程序中的项目。通过 Rhino.Inside,开发者可以在其他应用程序中使用 Rhino 3D 的几何计算功能,进一步扩展 Rhino Compute 的应用场景。
通过以上模块的介绍,你应该能够快速上手 Rhino Compute 项目,并了解其在实际应用中的潜力。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00