JSketcher 开源项目教程
1. 项目介绍
JSketcher 是一个用纯 JavaScript 编写的参数化 2D 和 3D CAD 建模器。它最初由 xibyte 开发,用于创建 3D 打印模型。JSketcher 提供了一套丰富的工具,用于可视化、选择/交互 3D 几何体,并跟踪和存储模型历史。其核心是一个 2D 约束求解器,该求解器完全用 JavaScript/TypeScript 实现,并用于 3D CAD 和 2D 草图绘制。JSketcher 还使用 OpenCascade 进行实体建模操作。
主要组件和功能
- 几何约束求解器:允许解决应用于草图的几何约束系统。
- 2D 草图绘制器:允许设计 2D 草图并应用几何约束,使用 HTML5 Canvas 进行渲染。
- 3D 布尔引擎:使用 OpenCascade 对 BREP 对象执行布尔运算。
- 特征历史:逐步构建 3D 模型,并使用比较步骤来传播边/面 ID,以提供稳定和健壮的模型。
- 导出为 STL、DWG 和 SVG 格式:支持将项目导出为多种格式。
- 浏览器本地存储:支持将项目保存在浏览器本地存储中。
2. 项目快速启动
安装 Node.js
首先,确保你已经安装了 Node.js。如果没有安装,可以从 Node.js 官网 下载并安装。
克隆项目
使用 Git 克隆 JSketcher 项目到本地:
git clone https://github.com/xibyte/jsketcher.git
安装依赖
进入项目目录并安装依赖:
cd jsketcher
npm install
启动项目
安装完成后,启动项目:
npm start
访问项目
启动后,打开浏览器并访问 http://localhost:3000,即可看到 JSketcher 的界面。
3. 应用案例和最佳实践
3D 打印模型设计
JSketcher 最初是为 3D 打印模型设计而开发的。用户可以通过创建参数化 2D 草图,然后将其转换为 3D 模型,最终导出为 STL 文件进行 3D 打印。
2D 参数化草图设计
JSketcher 也适用于 2D 参数化草图设计。用户可以创建复杂的 2D 草图,并应用各种几何约束,最终导出为 DWG 或 SVG 格式。
最佳实践
- 使用几何约束:在设计草图时,尽量使用几何约束来确保模型的稳定性和可维护性。
- 导出为多种格式:根据需求,选择合适的导出格式,如 STL 用于 3D 打印,DWG 或 SVG 用于 2D 设计。
- 利用特征历史:通过特征历史功能,可以逐步构建复杂的 3D 模型,并随时回溯和修改。
4. 典型生态项目
OpenCascade
JSketcher 使用 OpenCascade 进行实体建模操作。OpenCascade 是一个开源的 3D CAD 内核,提供了丰富的几何和拓扑操作功能。
Three.js
JSketcher 使用 Three.js 进行 3D 渲染。Three.js 是一个基于 WebGL 的 3D 图形库,提供了强大的 3D 渲染能力。
TypeScript
JSketcher 使用 TypeScript 进行开发。TypeScript 是 JavaScript 的超集,提供了静态类型检查和更强大的面向对象编程能力。
通过这些生态项目的结合,JSketcher 能够提供一个功能强大且易于使用的参数化 2D 和 3D 建模环境。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00