【亲测免费】 OpenCascade.js 技术文档
概览
OpenCascade.js 是一个将著名的开源3D几何建模核心 OpenCascade 移植到JavaScript并通过Emscripten编译为WebAssembly的项目。这项技术使您能够在浏览器中以接近原生的速度运行CAD应用程序,支持多线程,并且可以根据应用需求定制库的大小,优化资源消耗。本文档旨在引导您完成安装、使用以及了解项目API的过程。
安装指南
直接在网页中使用
如果您想立即试用OpenCascade.js,可以直接在HTML文件中通过CDN链接引入:
<script type="text/javascript" src="https://path/to/opencascade.min.js"></script>
请替换https://path/to/为实际的版本链接,具体版本可能需要查看最新的GitHub发布页面或官方文档来获取最新有效的URL。
作为npm包安装
对于Node.js项目或更复杂的构建流程,可以通过npm进行安装:
npm install opencascade.js
随后,在您的代码中,可以使用require或import语句导入OpenCascade.js:
const OCC = require('opencascade.js');
// 或者,如果你使用的是ES模块
import * as OCC from 'opencascade.js';
项目的使用说明
初始化环境
确保在使用OpenCascade.js之前,您的网页已加载完毕且JavaScript执行环境准备就绪。可以利用DOMContentLoaded事件:
document.addEventListener('DOMContentLoaded', function() {
// 开始使用OpenCascade.js的功能
});
示例代码
创建一个简单的3D形状(例如:一个立方体):
const viewer = new OCC.Viewer(document.getElementById('viewer3d'));
OCC.loadCAShape(viewer, OCC.BRepPrimAPI_MakeBox(10., 10., 10.), (shape) => {
viewer.displayShape(shape, true);
});
这里假设有一个ID为viewer3d的HTML元素用于承载3D视图。
项目API使用文档
OpenCascade.js提供了丰富的API来操作3D模型。以下是一些基础示例:
-
创建形状:
let box = OCC.BRepPrimAPI_MakeBox(10., 10., 10.).shape(); -
显示形状(假设已经初始化了viewer):
viewer.displayShape(box); -
清除当前显示:
viewer.clearDisplay();
更多详细的API文档,请参考官方网站的文档部分,或者查看源码中的注释和示例项目,如OpenCascade.js-examples仓库。
项目构建与自定义
若要从源代码构建OpenCascade.js或进行自定义编译,首先确保拥有Git和Node.js环境。之后,按照以下步骤操作:
- 克隆项目到本地:
git clone https://github.com/donalffons/opencascade.js.git - 进入项目目录并安装依赖:
cd opencascade.js npm install - 构建项目(根据需要可调整配置):
npm run build
这将生成可用于生产的JavaScript文件。详细构建配置和选项,请参考项目的package.json和相关文档。
通过上述步骤,您可以开始探索和使用OpenCascade.js,构建高效、高性能的在线CAD应用程序。记得参与社区讨论和贡献,让这个项目更加完善。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00