首页
/ ObjectARX自定义实体的简单实现

ObjectARX自定义实体的简单实现

2026-01-26 06:25:38作者:沈韬淼Beryl

项目描述

本工程以Visual Studio 2017、ObjectARX 2019和AutoCAD 2020为开发环境,演示并实现了一个自定义实体——楼梯。该自定义实体支持夹点编辑功能,并且具备捕捉点的特性。通过本工程,您可以学习到如何使用ObjectARX进行简单的自定义实体开发。

功能特点

  • 自定义实体:实现了一个楼梯实体,可以在AutoCAD中进行绘制和编辑。
  • 夹点编辑:支持通过夹点对楼梯实体进行编辑,方便用户进行形状调整。
  • 捕捉点:楼梯实体具备捕捉点功能,便于与其他图形对象进行精确对齐。

开发环境

  • 开发工具:Visual Studio 2017
  • 编程语言:C++
  • ObjectARX版本:ObjectARX 2019
  • AutoCAD版本:AutoCAD 2020

使用说明

  1. 环境配置:确保您的开发环境已安装Visual Studio 2017、ObjectARX 2019和AutoCAD 2020。
  2. 编译工程:打开工程文件,使用Visual Studio 2017进行编译。
  3. 加载ARX文件:编译成功后,将生成的ARX文件加载到AutoCAD 2020中。
  4. 绘制楼梯:在AutoCAD中使用命令绘制自定义的楼梯实体。
  5. 编辑楼梯:通过夹点编辑功能对楼梯实体进行形状调整。

注意事项

  • 本工程仅作为学习ObjectARX自定义实体开发的示例,实际应用中可能需要根据具体需求进行扩展和优化。
  • 确保开发环境与本工程所使用的版本一致,以避免兼容性问题。

贡献

欢迎对本工程进行改进和扩展,如果您有任何建议或发现了问题,请提交Issue或Pull Request。

许可证

本工程采用MIT许可证,详情请参阅LICENSE文件。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
832
5.53 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
497
522
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
809
1.17 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
801
1.6 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
984
2.32 K
kernelkernel
deepin linux kernel
C
33
16
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
790
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
317
ops-mathops-math
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++
1.22 K
1.27 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
669
315