CadQuery中构建多面体并进行面切割的技术解析
2025-06-19 02:44:03作者:俞予舒Fleming
问题背景
在使用CadQuery进行3D建模时,用户经常需要从顶点和面定义构建复杂的多面体。本文将通过一个制作骰子的实际案例,深入探讨如何正确构建多面体并在其表面进行切割操作。
多面体构建的关键技术
1. 顶点和面的定义
构建多面体首先需要明确定义顶点坐标和面索引。在骰子案例中,我们使用了8个顶点和6个面:
t = 1 / (3 ** 0.5)
vertexes = (
(t, t, t), (-t, t, t), (-t, -t, t), (t, -t, t),
(t, t, -t), (-t, t, -t), (-t, -t, -t), (t, -t, -t)
)
faces = (
(0, 1, 2, 3), (0, 1, 5, 4), (0, 3, 7, 4),
(6, 7, 4, 5), (6, 7, 3, 2), (6, 5, 1, 2),
)
2. 从边构建面的正确方法
初学者常犯的错误是在构建边时索引处理不当。正确的做法是:
for points in face_points:
faces.append(
Face.makeFromWires(Wire.assembleEdges(
Edge.makeLine(
points[i],
points[i + 1 if i < len(points) - 1 else 0]
) for i in range(len(points))))
)
关键点在于循环终止条件和索引处理,确保每条边正确连接顶点。
3. 构建有效实体
构建实体时需要确保形状有效:
w = Workplane(Solid.makeSolid(Shell.makeShell(faces)))
可以通过isValid()方法检查形状是否有效,这对调试很有帮助。
表面切割技术
1. 确定切割平面
在特定面上切割需要正确定位切割平面:
world_up = Vector(0, 0, 1).normalized()
origin = face.Center()
normal = face.normalAt()
x_dir = world_up.cross(normal)
if x_dir.Length == 0:
x_dir = (1,0,0) # 处理特殊情况
2. 创建切割文本
使用CadQuery的text功能创建切割形状:
symbol = (
Workplane(Plane(origin, x_dir, normal), origin=origin)
.text(
str(i+1),
font='Arial',
fontsize=1,
distance=-.025
)
)
3. 执行切割操作
最后对实体进行切割:
w = w.cut(symbol)
常见问题与解决方案
-
边构建不完整:确保每个面的所有边都被正确创建,特别是闭合边。
-
形状无效:构建实体后使用
isValid()检查,确保几何体有效。 -
切割方向错误:仔细计算切割平面的法向量和X方向向量。
-
文本深度不当:调整
distance参数控制切割深度。
完整示例代码
以下是构建六面骰子的完整代码:
from cadquery import Workplane, Plane, Vector, Face, Solid, Shell, Wire, Edge
from cadquery.vis import show_object
t = 1 / (3 ** 0.5)
vertexes = (
(t, t, t), (-t, t, t), (-t, -t, t), (t, -t, t),
(t, t, -t), (-t, t, -t), (-t, -t, -t), (t, -t, -t)
)
faces = (
(0, 1, 2, 3), (0, 1, 5, 4), (0, 3, 7, 4),
(6, 7, 4, 5), (6, 7, 3, 2), (6, 5, 1, 2),
)
face_points = [[vertexes[i] for i in face] for face in faces]
faces = []
for points in face_points:
faces.append(
Face.makeFromWires(Wire.assembleEdges(
Edge.makeLine(
points[i],
points[i + 1 if i < len(points) - 1 else 0]
) for i in range(len(points))))
)
w = Workplane(Solid.makeSolid(Shell.makeShell(faces)))
for i, face in enumerate(w.faces().vals()):
world_up = Vector(0, 0, 1).normalized()
origin = face.Center()
normal = face.normalAt()
x_dir = world_up.cross(normal)
if x_dir.Length == 0:
x_dir = (1,0,0)
symbol = (
Workplane(Plane(origin, x_dir, normal), origin=origin)
.text(
str(i+1),
font='Arial',
fontsize=1,
distance=-.025
)
)
w = w.cut(symbol)
show_object(w)
通过掌握这些技术,用户可以灵活地在CadQuery中构建各种复杂多面体并进行表面处理,为3D建模提供更多可能性。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
296
2.64 K
Ascend Extension for PyTorch
Python
128
149
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++
607
190
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
589
127
🎉 (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
1.05 K
611
仓颉编译器源码及 cjdb 调试工具。
C++
122
482
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,专门为Transformer模型的训练和推理而设计。
C++
46
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
178
62
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
454