CadQuery中基于草图平面创建扫掠特征的技术解析
2025-06-19 21:16:10作者:伍希望
在三维建模领域,扫掠(Sweep)是一种常见的建模技术,它通过沿着路径移动轮廓形状来创建复杂的三维几何体。本文将深入探讨如何在CadQuery中利用草图(Sketch)功能创建扫掠特征,特别是针对平面轮廓的处理方法。
扫掠操作的基本原理
扫掠操作需要两个核心元素:
- 轮廓形状:通常是一个二维几何图形,如圆形、多边形等
- 扫掠路径:定义轮廓移动轨迹的三维曲线
在CadQuery中,我们可以使用sweep()函数来实现这一操作。传统方法通常需要先明确获取轮廓的线框(Wire)数据,而最新版本的CadQuery提供了更便捷的工作流程。
草图功能的演进
早期版本中,当用户使用cq.Sketch创建轮廓后,需要通过各种间接方法获取其几何数据:
# 旧版获取轮廓线框的方法
wi = wp._getFaces()[0].wires() # 使用内部方法
# 或
wi = list(iter(wp.val()))[0].wires() # 通过迭代器
这种设计不够直观,也增加了代码的复杂性。随着CadQuery的发展,现在可以直接通过val()方法获取草图生成的几何体:
# 新版直接获取方法
profile = cq.Sketch().circle(1).val()
实际应用示例
让我们看一个完整的扫掠示例,展示如何创建三角形截面的弯曲管道:
import cadquery as cq
# 定义扫掠路径的控制点
pts = [(10, 10, 0), (20, 10, 10), (30, 10, -10), (30, 0, 0)]
# 创建扫掠路径(样条曲线)
path = cq.Workplane().spline(pts).val()
# 创建三角形轮廓草图
profile_sketch = cq.Sketch().push([(-1, 0), (1, 0)]).regularPolygon(1, 3)
# 将轮廓移动到路径起点并执行扫掠
result = cq.sweep(
profile_sketch.moved(path.locationAt(0)).val(),
path,
True
)
技术要点解析
- 路径创建:使用
spline()函数通过控制点创建平滑的三维曲线 - 轮廓定位:
moved()方法将轮廓精确定位到路径起点 - 扫掠参数:
True参数表示生成实体而非曲面
最佳实践建议
- 对于复杂轮廓,考虑使用
push()方法定位多个子图形 - 确保轮廓平面与路径起点切线方向垂直,避免几何扭曲
- 使用
locationAt()方法可以精确定位轮廓在路径上的位置
总结
CadQuery通过不断优化其API设计,使得基于草图的扫掠操作变得更加直观和高效。从最初需要间接获取几何数据,到现在可以直接使用val()方法,这一演进显著提升了开发体验。掌握这些技巧,可以让我们在参数化建模中创建更加复杂和精确的几何形状。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
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
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869