CadQuery中如何精确控制工作平面上的模型定位
2025-06-19 16:17:07作者:郜逊炳
在使用CadQuery进行3D建模时,我们经常需要在特定表面上创建新的几何体。本文将通过一个典型案例,讲解如何精确控制新几何体在工作平面上的定位方式。
问题背景
当我们在一个立方体的不同表面上添加新的立方体时,可能会遇到定位不一致的问题。例如:
a = Workplane("XY")
a = a.box(9, 20, 4) # 创建基础立方体
a = a.faces(">Y") # 选择+Y方向的表面
a = a.box(4, 13, 4, centered=[1,0,0]) # 在选定表面上添加新立方体
上述代码在+Y表面工作正常,但当我们将选择改为faces("<Y")时,新立方体的定位会出现问题,因为它使用了不同的角点作为参考。
解决方案分析
方法一:使用workplane偏移
我们可以通过精确控制工作平面的偏移量来实现对称定位:
a = Workplane("XY")
a = a.box(9, 20, 4)
a = a.faces("<Y")
a = a.workplane(6.5) # 沿法线方向偏移工作平面
a = a.box(4, 4, 13) # 创建新立方体
这种方法需要计算偏移量(这里是6.5),适用于需要精确控制位置的情况。
方法二:使用拉伸操作
更简单的方法是使用拉伸(extrude)操作:
a = Workplane("XY")
a = a.box(9, 20, 4)
a = a.faces("<Y")
a = a.workplane()
a = a.rect(4,4).extrude(13) # 绘制矩形并拉伸成立方体
这种方法更直观,不需要计算偏移量,且适用于任意表面。
方法三:使用Sketch功能
对于更复杂的2D图形,可以使用Sketch功能:
a = Workplane("XY")
a = a.box(9, 20, 4)
a = a.faces("<Y")
a = a.sketch().rect(4, 4).finalize().extrude(13)
Sketch提供了更丰富的2D绘图功能,适合创建复杂截面后再拉伸。
技术要点总结
-
工作平面理解:CadQuery中的工作平面决定了新几何体的创建方向和位置参考。
-
定位方式选择:
- 直接使用
box()方法时,centered参数控制定位,但在不同表面上行为可能不一致 - 使用拉伸操作可以避免定位问题,操作更直观
- 直接使用
-
复杂形状处理:对于非矩形截面,优先考虑使用Sketch功能创建2D图形后再拉伸。
-
对称建模技巧:当需要在对称表面上创建相同特征时,使用拉伸方法可以保持一致性,避免复杂的镜像或旋转操作。
最佳实践建议
在实际建模中,推荐优先使用拉伸方法创建特征,特别是当需要在多个对称表面上工作时。这种方法不仅代码简洁,而且可以避免复杂的定位计算,提高建模的可靠性和可维护性。
对于需要参数化设计的场景,可以将关键尺寸定义为变量,这样在修改设计时只需调整变量值,而不需要重新计算所有相关尺寸。
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
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
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
1.03 K
492
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
342
146