在CadQuery中利用标签实现3D文本与边界框的精确装配
2025-06-19 04:01:49作者:蔡怀权
在CadQuery三维建模过程中,经常需要将3D文本精确地定位到其他几何体上。本文将介绍如何利用标签(tag)功能实现3D文本与边界框(BoundingBox)的自动对齐装配。
边界框中心点获取的挑战
当我们在CadQuery中创建3D文本时,文本的边界框(BoundingBox)属性包含了文本的尺寸和位置信息。传统方法需要手动计算边界框的中心点坐标:
text3D = cq.Workplane("XZ").text("CadQuery", font="Arial", fontsize=10, distance=2)
center = text3D.val().BoundingBox().center
这种方法虽然可行,但在装配(Assembly)系统中使用不够灵活,特别是当需要多次引用同一几何体的中心点时。
标签系统的优势
CadQuery的标签系统提供了一种更优雅的解决方案。我们可以创建一个与文本边界框尺寸相同的立方体,并为其添加标签:
xlen = text3D.val().BoundingBox().xlen
ylen = text3D.val().BoundingBox().ylen
zlen = text3D.val().BoundingBox().zlen
mybox = (cq.Workplane()
.box(xlen, ylen, zlen, centered=True)
.tag("dummybox")
.faces("<Y").tag("boxY_Negtive")
.end()
.faces("<Z").tag("boxZ_Negtive")
.end(2))
装配约束的简化实现
使用标签后,装配约束变得非常简洁。我们可以直接引用标签来实现点对点约束:
asm = cq.Assembly(name="TextOnPanel")
asm.add(text3D, color=cq.Color(1, 0, 0), name="text3D")
asm.add(mybox, color=cq.Color(0, 0, 1), name="mybox")
(asm
.constrain("text3D@faces@>Y", "mybox?boxY_Negtive", "Axis")
.constrain("text3D@faces@>Z[-1]", "mybox?boxZ_Negtive", "Axis")
.constrain("text3D", "mybox?dummybox", "Point")
)
技术要点解析
- 标签引用语法:在装配约束中使用
对象名?标签名的格式可以直接引用被标记的几何特征 - 自动中心点计算:当对立方体使用
centered=True参数时,其标签会自动包含中心点信息 - 多标签应用:一个几何体可以添加多个标签,分别用于不同的约束条件
这种方法不仅简化了代码,还提高了模型的可维护性。当文本内容或字体大小改变时,相关的装配约束会自动适应新的边界框尺寸。
通过这种技术,我们可以轻松实现3D文本与其他几何体的精确对齐,为CAD设计中的文字标注提供了便利的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
279
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K