GRBL-Plotter 开源项目教程
项目介绍
GRBL-Plotter 是一个用于 GRBL 控制器的 GCode 发送器,适用于 Windows 系统。它不仅限于激光或绘图仪,还可以用于各种其他用途。GRBL-Plotter 的主要功能包括导入和导出 SVG、DXF、HPGL 等格式的图形文件,并生成相应的 GCode。此外,它还支持多种图形处理功能,如缩放、旋转、镜像等,以及对生成的 GCode 进行进一步的编辑和优化。
项目快速启动
安装
-
下载项目:从 GitHub 仓库下载 GRBL-Plotter 项目:
git clone https://github.com/svenhb/GRBL-Plotter.git -
编译项目:使用 Visual Studio 2022 打开项目解决方案文件
GRBL-Plotter.sln,并进行编译。 -
运行程序:编译成功后,运行生成的可执行文件
GRBL-Plotter.exe。
基本使用
-
导入图形文件:
- 点击菜单栏中的“文件” -> “导入”,选择要导入的 SVG、DXF 或其他支持的图形文件。
- 或者直接将文件拖放到程序窗口中。
-
生成 GCode:
- 在导入图形文件后,程序会自动生成相应的 GCode。
- 可以通过“文件” -> “导出”将生成的 GCode 保存到本地。
-
发送 GCode:
- 连接 GRBL 控制器到计算机。
- 在程序中选择“串口”设置,配置正确的串口和波特率。
- 点击“发送”按钮,将 GCode 发送到 GRBL 控制器。
应用案例和最佳实践
应用案例
-
激光雕刻:使用 GRBL-Plotter 生成 GCode,控制激光雕刻机进行雕刻。可以通过导入 SVG 文件,调整雕刻参数,生成高质量的雕刻效果。
-
CNC 加工:将 DXF 文件导入 GRBL-Plotter,生成 GCode 后发送到 CNC 机床,进行精确的加工操作。
-
绘图仪:使用 GRBL-Plotter 控制绘图仪绘制复杂的图形,支持多种图形格式导入和处理。
最佳实践
-
图形优化:在导入图形文件后,使用 GRBL-Plotter 提供的图形处理功能(如缩放、旋转、镜像等)对图形进行优化,以确保生成的 GCode 符合预期。
-
GCode 编辑:在生成 GCode 后,可以通过 GRBL-Plotter 的编辑功能对 GCode 进行进一步的调整,如添加注释、修改路径等。
-
串口调试:在发送 GCode 之前,确保串口设置正确,并使用 GRBL-Plotter 提供的串口调试功能进行测试,以避免通信错误。
典型生态项目
-
GRBL:GRBL 是一个开源的 CNC 控制器固件,广泛应用于各种 CNC 设备中。GRBL-Plotter 作为 GRBL 的 GCode 发送器,与之配合使用,可以实现高效的 CNC 控制。
-
Inkscape:Inkscape 是一个开源的矢量图形编辑器,支持 SVG 格式的图形编辑。用户可以在 Inkscape 中设计图形,然后导入 GRBL-Plotter 生成 GCode。
-
LibreCAD:LibreCAD 是一个开源的 CAD 软件,支持 DXF 格式的图形编辑。用户可以在 LibreCAD 中设计 CAD 图形,然后导入 GRBL-Plotter 生成 GCode。
通过这些生态项目的配合使用,用户可以实现从图形设计到 CNC 加工的全流程自动化。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00