用Opencascade生成和CATIA一样的B样条曲线

2023-11-02 19:59

本文主要是介绍用Opencascade生成和CATIA一样的B样条曲线,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目前采用OCC来实现造型,需要保证成形的结果和CATIA的结果一致。因此,首先要分析CATIA中形成的曲线具有什么样的参数,才能用OCC来做出一样的参数曲线来。这一次先用B样条来测试。

       

1. 首先分析IGES的格式,查阅IGES的标准规范。

  中国国家标准有对应的原始英文IGES标准的翻译版本:《GBT 14213-2008初始图形交换规范》或者英文好的直接看原版《Initial Graphics Exchange Specification, IGES 5.3》

IGES格式中,K+1代表控制点的个数,M代表基函数的阶数。按照NURBS的定义,设节点向量的个数为A+1,则有A=K+M+1。

在OCC中,定义L代表控制点个数,Degree代表基函数的阶数,控制点为FlatKnots。按照NURBS定义,有FlatKnots = L+Dgree+1。

二者本质是相同的,其中,FlatKnots=A+1,L=K+1。

下面是IGES参数数据段中,对应B样条线(126)的格式定义。

       

2. 分析CATIA保存的IGES的B样条曲线的参数。

     

下面以一个B样条曲线为例,来看看CATIA导出的IGES文件的具体内容。

设三个点坐标为A(1.0,0.0,0.0) B(0.0,0.0,0.0) C(0.0,1.0,1.0) ,按照A,B,C顺序插值获取一个样条线。

首先用CATIA生成该插值B样条曲线,两端的切矢分别为V1=(-0.959683,-0.198757,-0.198757), V2=(0.346512,0.663298,0.663298)。

保存为IGES文件作为文本打开,其中样条的参数数据段如下,即7P对应的行。其中红色标记为B样条曲线的类型标记126,K=8,M=5。绿色为节点向量,紫色为权重,蓝色为控制点的坐标,三个一组。课件节点向量1.0对应的重度是3。如果直接插值为3次B样条(2阶连续曲线),该点的重度应该为1。

     

126,8,5,0,0,1,0,0.0,0.0,0.0,0.0,0.0,0.0,1.0,1.0,1.0,2.414213562,       7P      4
2.414213562,2.414213562,2.414213562,2.414213562,2.414213562,1.0,       7P      5
1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,0.0,0.0,0.7171572875,              7P      6
-0.05857864376,-0.05857864376,0.4757359313,-0.08786796564,
             7P      7

-0.08786796564,0.2757359313,-0.08786796564,-0.08786796564,             7P      8

-0.1071067812,-0.01715728753,-0.01715728753,-0.2485281374,            
7P      9

0.2242640687,0.2242640687,-0.2485281374,0.4242640687,                  7P     10

0.4242640687,-0.1656854249,0.6828427125,0.6828427125,                  7P     11

-6.898041511E-016,1.0,1.0,8.523144705E-018,2.414213562,0.0,0.0,        7P     12

0.
0,0,0;                                                               7P     13

     

 转换为IGES标准中的定义表格形式:

索引

名称

数据

说明

1

K

8

K+1为控制点个数

2

M

5

阶数

3

PROP1

0

是否平面曲线

4

PROP2

0

是否闭曲线

5

PROP3

1

是否多项式

6

PROP4

0

是否周期

7

T(-M)

0.0

节点向量第一个

  

7+A

T(N+M)

2.414213562

节点向量最后一个

8+A

W(0)

1.0

权重第一个

  

8+A+K

W(K)

1.0

权重最后一个

9+A+K

X(0)

1.0

控制点第一个X

10+A+K

Y(0)

0.0

控制点第一个Y

11+A+K

Z(0)

0.0

控制点第一个Z

  

9+A+4*K

X(K)

-6.90E-16

控制点最后一个X

10+A+4*K

Y(K)

1.0

控制点最后一个Y

11+A+4*K

Z(K)

1.0

控制点最后一个Z

12+A+4*K

V(0)

8.52E-18

始参数值

13+A+4*K

V(1)

2.414213562

终参数值

14+A+4*K

XNORM

0.0

平面曲线的法向

15+A+4*K

YNORM

0.0

  

16+A+4*K

ZNORM

0.0

  

那么这样可以看出CATIA采用n=3个点插值出来的B样条曲线默认采用M=5阶的基函数,控制点的个数为3*n。那么n=3个点产生9个控制点。相应的节点向量数量为15。于是对应导出的IGES文件中K=8,M=5,A=14。

这个与NURBS BOOK中的插值算法有所不同,主要是参数u的初始化方法有所区别。NURBS BOOK中设置初始的u可以采用的主要有三种:

     

    a. 等间距equally space:

    b. 弦长chord length:然后

    c.  向心centripetal method: 然后

     

再仔细的观察,发现CATIA导出的曲线本质上是采用了第二种弦长法,其方法是在每一个控制点处重度提高到3(重度提高1阶,则连续性降低一阶),并升阶到5阶B样条。结合整体5阶的基函数,其实本质上相当于等效是采用3阶基函数B样条曲线(2阶连续)。将基函数从3阶升到5阶,从而曲线从2阶连续提高到4阶连续。然后各个控制点重度从1增加到3,使控制点处阶数降低2,曲线还是2阶连续。但是为什么CATIA需要这种方式来保存CAD数据,还有待思考。

       

3. 采用OCC实现相同参数的曲线并保存为IGES。

OCC可以采用GeomAPI提供的插值API:GeomAPI_Interpolate。也可以用BSplCLib提供的B样条底层算法来实现。建议使用API,会简单许多。 OCC中的GeomAPI_Interpolate插值出来的NURBS曲线为3阶,也就是2阶连续曲线,本质上和CATIA是相同的,只是CATIA升阶了。 GeomAPI插值的流程如下,每一步都不能跳过。

      a. 确定插值点,确定切矢约束

      b. GeomAPI_Interpolate()

      c. 用Load()添加约束

      d. 用Perform()进行插值

      e. 用IsDone()检查计算是否完成

      f. 用Curve()获得样条曲线对象

另外GeomAPI_Interpolate函数的参数中有两个要注意的地方:

一是插值点数组TColgp_HArray1OfPnt是一个可以自定义下标范围的类型,而在GeomAPI_Interpolate中要求这个参数的下标从1开始,而不是从0开始。(这个问题找的我吐血,看完插值源代码才明白)

二是Load()函数要求用两种方式给出切矢约束:每个点的切矢及其标致或者两端点的切矢。如果不需要切矢约束,可以采用前者,随意设置每一个点的切矢,之后设置所有点的标志为false。注意不能跨过Load()函数直接进行Perform()。

这样直接生成的B样条曲线为3阶(2阶连续),控制点5个。生成的IGES文件参数数据段如下:

     

126,4,3,1,0,1,0,0.E+000,0.E+000,0.E+000,0.E+000,1.,2.414213562,  0000001P0000001
2.414213562,2.414213562,2.414213562,1.,1.,1.,1.,1.,1.,0.E+000,   0000001P0000002
0.E+000,0.528595479,-9.763107294E-002,-9.763107294E-002,         0000001P0000003
-0.276142375,-9.763107294E-002,-9.763107294E-002,-0.276142375,   0000001P0000004
0.471404521,0.471404521,0.E+000,1.,1.,0.E+000,2.414213562,       0000001P0000005
-0.E+000,-0.707106781,0.707106781;                               0000001P0000006
S      1G      4D      2P      6                                        T0000001

     

颜色标记与之前的相同,红色标记为B样条曲线的类型标记126,K=4,M=3。绿色为节点向量,紫色为权重,蓝色为控制点的坐标。

此处发现了一个有趣的地方,这三个点插值获得曲线应该是平面曲线,但是CATIA没有将其标记为平面曲线(见IGES格式参数数据段索引编号为3的数据标记),并且最后一个控制的坐标没有精确为0.0,而是-6.898041511E-016

为了进一步检验二者是否一致,将OCC生成的IGES导入CATIA,用CATIA的精确测量检查二者最大距离,最大距离结果当然是精确为0。

     

这样一来,就可以保证在曲线上,用OCC获取的曲线和CATIA获取的曲线精确一致了。但是等等,觉得还是不够?需要导出的阶数也完全一样?好吧,那么只需要进行升阶操作即可,以后再研究。

代码如下:

 

Handle(Geom_Curve) curve_test1()
{Handle(TColgp_HArray1OfPnt) pts = new TColgp_HArray1OfPnt(1,3);pts->SetValue(1,gp_Pnt(1.0,0.0,0.0));pts->SetValue(2,gp_Pnt(0.0,0.0,0.0));pts->SetValue(3,gp_Pnt(0.0,1.0,1.0));//define points to be interpolatedGeomAPI_Interpolate interp(pts,Standard_False,1e-6);gp_Vec v(0.0,0.0,0.0);TColgp_Array1OfVec vtan(v,1,3);Handle(TColStd_HArray1OfBoolean) flags = new TColStd_HArray1OfBoolean(1,3,false);// define tangents and flags for every pole, any data is ok, not used.
    interp.Load(vtan,flags,Standard_False);interp.Perform();if ( interp.IsDone() ){// return curve with default degree// if you want to increase degree to 5, use this// (interp.Curve())->IncreaseDegree(5);return interp.Curve();}else                    return NULL;
}void iges_write_test()
{IGESControl_Controller::Init();IGESControl_Writer ICW ("MM", 0);//creates a writer object for writing in Face mode with millimeters//Handle(Geom_Surface) surf = surface_test();Handle(Geom_Curve) curve = curve_test1();ICW.AddGeom (curve);//adds shape sh to IGES model
    ICW.ComputeModel();Standard_Boolean OK = ICW.Write ("MyCurveFile.igs");//writes a model to the file MyFile.igs                
}

 

 

 

这样导出来以后获得的IGES文件内容就和CATIA导出的一模一样了

     

126,8,5,1,0,1,0,0.E+000,0.E+000,0.E+000,0.E+000,0.E+000,0.E+000, 0000001P0000001
1.,1.,1.,2.414213562,2.414213562,2.414213562,2.414213562,        0000001P0000002
2.414213562,2.414213562,1.,1.,1.,1.,1.,1.,1.,1.,1.,1.,0.E+000,   0000001P0000003
0.E+000,0.717157288,-5.857864376E-002,-5.857864376E-002,         0000001P0000004
0.475735931,-8.786796564E-002,-8.786796564E-002,0.275735931,     0000001P0000005
-8.786796564E-002,-8.786796564E-002,-0.107106781,                0000001P0000006
-1.715728753E-002,-1.715728753E-002,-0.248528137,0.224264069,    0000001P0000007
0.224264069,-0.248528137,0.424264069,0.424264069,-0.165685425,   0000001P0000008
0.682842712,0.682842712,0.E+000,1.,1.,0.E+000,2.414213562,       0000001P0000009
-0.E+000,-0.707106781,0.707106781;                               0000001P0000010
S      1G      4D      2P     10                                        T0000001

     

和CATIA导出的IGES文件数据一样,绿色为节点向量,紫色为权重,蓝色为控制点的坐标,三个一组,节点向量1.0对应的重度是3。K=8,M=5,A=14。

转载于:https://www.cnblogs.com/apango/p/3440238.html

这篇关于用Opencascade生成和CATIA一样的B样条曲线的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/332949

相关文章

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

poj 3723 kruscal,反边取最大生成树。

题意: 需要征募女兵N人,男兵M人。 每征募一个人需要花费10000美元,但是如果已经招募的人中有一些关系亲密的人,那么可以少花一些钱。 给出若干的男女之间的1~9999之间的亲密关系度,征募某个人的费用是10000 - (已经征募的人中和自己的亲密度的最大值)。 要求通过适当的招募顺序使得征募所有人的费用最小。 解析: 先设想无向图,在征募某个人a时,如果使用了a和b之间的关系

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

轨迹规划-B样条

B样条究竟是干啥的?白话就是给出一堆点,用样条的方式,给这些点连接起来,并保证丝滑的。 同时B样条分为准均匀和非均匀,以下为准均匀为例。 参考链接1:https://zhuanlan.zhihu.com/p/50626506https://zhuanlan.zhihu.com/p/50626506 参考链接2: https://zhuanlan.zhihu.com/p/536470972h