3D模型格式转换工具HOOPS Exchange如何获取模型的特征树?

2024-01-15 12:20

本文主要是介绍3D模型格式转换工具HOOPS Exchange如何获取模型的特征树?,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!

Tech Soft 3D致力于用无与伦比的技术推动创新,并很高兴为Oracle、SIEMENS、Hexagon Matrology和Stratasist,提供用最快、最准确的数据转换工具包获取CAD数据。

HOOPS Exchange允许开发团队轻松构建,通过单一接口将CAD数据转换为30多种文件格式的应用程序,支持的格式包括Catia、SolidWorks、CREO、AutoDesk inventor、STEP、SIEMENS NX等,还支持访问广泛的数据,包括以其原生形式的B-REP、视觉、语义PMI、可视化视图和构造几何。 HOOPS Exchange提供了广泛的装配结构支持,包括配置和族表。

它还提供对用ID,样式、颜色、材料和其他元数据的访问,它具有特征树支持,包括完整的定义和模式。这些都不用依赖任何CAD系统,可以让您的用户随时随地访问它们的数据,不管你是需要在桌面上运行Windows,Linux,MacOs还是Android,IOS,移动设备,甚至云端服务器访问。

本文将详细介绍,3D模型格式转换工具HOOPS Exchange是如何获取模型的特征树的。

申请HOOPS Exchange试用icon-default.png?t=N7T8http://x7pfmmn259623uby.mikecrm.com/l9292M9

一、什么是特征树?

特征树是在CAD系统中创建零件所采取的所有步骤。例如:

1)选择草图并定义挤出,构成一个模型实体;

2)选择该模型的一条边,然后以这条边为基础,创建圆角;

3)在该模型上打一个孔。

在这创建模型的过程,通常使用树结构来描述这些特征,树结构的层次结构可以有效的表示特征的依赖关系,例如:

  • 挤压是在草图(另一个特征)之上构建的特征。
  • 阵列可以是一个可以基于孔(另一个特征)的特征。
  • 定义孔螺纹时,首先定义一个孔特征,然后在子对象中定义螺纹特征。

使用HOOPS Exchange,我们可以读取CATIA V5、Creo、NX 和 SolidWorks文件的特征树,并从特征树中获取到如下特征的所有参数:

  • 孔(Holes)
  • 阵列(Patterns)
  • 挤出(Extrusion)
  • 旋转(Revolutions)
  • 圆角和倒角(Fillets & chamfers)

这些信息对于优化下游流程(包括分析、制造和计量)特别有用,在了解特征树的基本信息之后,我们首先要知道如读取这些信息。

二、读取特征树

要读取模型中的特征信息,需要在导入模型之前将 m_bReadFeature属性设置为true,因为在默认情况下,HOOPS Exchange不会从 CAD 模型中读取特征。

设置m_bReadFeature后,在导入模型时,导入器将读取模型的特征信息。

接下来,我们可以从A3DAsmProductOccurrenceData中获得特征树的具体信息,其数据结构为A3DFRMFeatureTreeData:

三、特征树在PRC中的数据结构

在获取到特征树对象后,我们需要解析其具体的数据结构,特征树在PRC文件中的数据结构如下:

在A3DFRMFeatureTreeData数据结构中,有三个独立的表示项阵列,用于存储关于三种几何类型的信息:

1)最终几何。

2)中间几何。

3)内部几何。

其定义如下:

最终几何表示在打开CAD文件时在3D场景中显示的内容。

中间几何表示实体结构中某个阶段存在的实体。例如,下面的图片中的蓝色loop可能仅在创建倒角(右图)之前的中间阶段存在。因此,它被存储在表示项的中间几何数组中。

内部几何表示在给定特征的上下文中创建的东西。例如,轴可以在定义挤压时被创建。在这种情况下,它将存储在表示项内部几何数组中。

除了上述数组之外,A3DFRMFeatureTreeData数据结构中还有另一个数组,称为m_ppsParameters,它包含A3DFRMParameter元素,用于存储实际的特征树和特征信息。

为了描述特征树,我们递归特征参数的结构。A3DFRMParameter包含A3DFRMFeature元素数组, A3DFRMFeature包含A3DFRMParameter元素数组。

我们举一个示例特征(三点定义一个平面),该特征可以在Catia、NX或Creo中使用三个点进行定义。以下截图为该特征在Catia、NX或Creo中模型树截图:

该平面在HOOPS Exchange中特征树结构如下:

四、特征信息:孔、阵列、挤压、圆角、旋转等

HOOPS Exchange可以读取V5、NX和Creo中的孔、阵列、挤压、旋转以及圆角这些特征的所有参数。

Parameter–Feature对象是一种通用的数据结构。在实践中,特征树中的大多数特征可以用相似的参数和特征对象来描述。

  • Node 类型的特征对象将包含两个参数,一个是Type类型,另一个是Feature Definition类型。
  • Type参数将提供关于特征的一般信息,表示它是否是孔、挤压、圆角等。
  • Feature Definition参数将提供关于孔、圆角或挤压的详细信息。

下面介绍一下孔的特征信息。

每个孔都包含诸如深度和直径的基本信息:

更复杂的孔类型包含额外的信息。例如,附加角度用于描述锥形孔,而沉孔具有附加角度、深度和直径:

螺纹信息也可以包含在孔特征中:

在Parameter–Feature对象中,所有信息都在Node类型的特征中描述。

如果您的企业目前也有3D数据格式转换、3D Web轻量化渲染的需求,欢迎评论或私信留言~

这篇关于3D模型格式转换工具HOOPS Exchange如何获取模型的特征树?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/608868

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

高效录音转文字:2024年四大工具精选!

在快节奏的工作生活中,能够快速将录音转换成文字是一项非常实用的能力。特别是在需要记录会议纪要、讲座内容或者是采访素材的时候,一款优秀的在线录音转文字工具能派上大用场。以下推荐几个好用的录音转文字工具! 365在线转文字 直达链接:https://www.pdf365.cn/ 365在线转文字是一款提供在线录音转文字服务的工具,它以其高效、便捷的特点受到用户的青睐。用户无需下载安装任何软件,只

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【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

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU