SVGnest:一款基于浏览器的矢量嵌套工具

SVGnest 是一个免费且开源的解决方案,用于解决在激光切割和数控行业中的“嵌套”问题。其提供了一个直观的在线演示(访问地址),只需支持SVG和Webworker的浏览器即可运行。请注意,在移动设备上运行可能会消耗大量CPU资源。
嵌套是什么?
想象一下,你有一块方形材料和一些要激光切割的字母。嵌套就是将这些字母尽可能紧凑地放入这块材料中,减少浪费,如果单个方形不够,我们还要尽量减少使用多个方形的数量。SVGnest 正是为此目的而设计的,并能处理非矩形形状和凹边情况。

此外,SVGnest 还支持部分嵌套,即能在其他零件的孔洞内放置零件。

如何使用
确保所有零件都已转换为轮廓,且没有重叠的部分。上传SVG文件并选择一个轮廓作为容器。其余所有轮廓都会自动处理为嵌套的零件。
算法概述
SVGnest 采用的是 E.K. Burke 等人于2006年提出的“轨道方法”,结合遗传算法进行全局优化。这种方法对于任意容器和凹形边缘情况都能良好工作,并在性能上与现有的商业软件相媲美。
部分放置策略
“无适配多边形”(No Fit Polygon)是该策略的关键概念。对于多边形A和B,我们要让B围绕A旋转,使其始终接触但不相交。通过计算NFP,我们可以找到B的所有可能放置位置。
优化策略
通过“第一适应递减”(first-fit-decreasing)启发式方法,较大的部件先被放置,较小的部件后放。然后利用遗传算法探索更多的解决方案空间,以优化插入顺序。
性能
SVGnest 的表现可与商业软件相媲美,经过大约5分钟的运算后,两者的结果相当。
可配置参数
你可以调整如部件间间距、曲线容差、部分旋转数、遗传算法种群大小、突变率等参数,以满足不同需求。此外,还有启用或禁用部分嵌套以及探索凹面区域的功能。
待办事项
SVGnest 目前正在进行的改进包括自定义适应度函数、更好地管理Webworker线程,以及修复NFP生成中的某些边缘情况。
如果你在激光切割、CNC加工或其他需要高效利用材料的项目中寻找解决方案,SVGnest 将是一个理想的选择,它的自由开源特性及其强大的嵌套功能无疑将极大地帮助你的工作。
尝试它,体验更多可能性!
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- 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
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