bettle_king的博客

原创 好的文章总结

笔记

原创 算法基本的板子

这里是准备打算法题比赛时的板子。不用万能头文件版#pragma GCC optimize(2)#include<cstdio>#include<iostream>#include<cstring>#include<string>#include<algorithm>#include<vector>#include<map>#include<stack>#include<queue&.

原创 《AI CAD工具 之 Zoo 》

官网地址：https://zoo.dev/

原创 《CAD 基础知识》

计算机辅助设计（CAD）是利用软件创建、修改、分析和优化二维和三维设计的过程。机械工程 ：机械零件、装配、车辆。建筑 ：建筑、结构元素。航空航天 ：飞机部件、航天器。消费品 ：电子产品、家具、包装。制造： 模具、模具、夹具。CAD 文件包含几何和拓扑的精确数学表示，非常适合工程分析、仿真以及 HOOPS AI 机器学习。

原创 《Geometric Deep Learning for Computer-Aided Design: A Survey论文精读》

这篇论文发表于 2025年，作者来自 丹麦奥胡斯大学（Aarhus University） 的电气与计算机工程系。论文发表在 IEEE Access 期刊上。几何深度学习技术已成为计算机辅助设计（CAD）领域的一股变革力量，并有可能彻底改变设计师和工程师处理及优化设计流程的方式。通过利用基于机器学习的方法，CAD 设计师可以优化工作流程，节省时间和精力，做出更明智的决策，并创造出既创新又实用的设计。

原创 《Enhancing computer-aided design with deep learning frameworks: a literature review论文精读》

基于深度学习框架增强计算机辅助设计：文献综述》由德国慕尼黑工业大学和宝马集团的学者于2025年发表在ICED25生成式人工智能（GenAI）通过识别模式、进行预测和生成自动化设计建议，具有进一步革新计算机辅助设计（CAD）的潜力。本文通过系统性文献综述，探讨了GenAI在基于CAD的产品开发中的应用研究现状。综述聚焦于3D建模，概述了当前的主要方法、最常用的数据集以及常见的人工智能模型。从中提炼出GenAI能够增强CAD的四个应用领域：设计生成、设计重建、设计检索和设计修改。

原创 《A Survey on Deep Learning in 3D CAD Reconstruction论文精读》

基于深度学习的 3D CAD 重建综述》福州大学2025年发布在MDPI三维CAD重建是工业制造、建筑、医学、影视、科研与教育等领域中一项长期且重要的任务。CAD模型的重建一直是机器学习领域中的一项持续挑战。关于深度学习在三维重建领域的研究已有诸多成果。近年来，随着CAD数据集的发布，利用深度学习进行三维CAD重建的研究日益增多。随着研究的不断深入，深度学习显著提升了CAD重建领域任务的性能。然而，由于数据稀缺与标注困难、模型复杂度高以及泛化性与适应性不足，该任务仍然具有挑战性。

原创 《常见三维CAD模型表示法》

原创 《Hierarchical Neural Coding for Controllable CAD Model Generation论文浅读》

作者：Xiang Xu, Pradeep Kumar Jayaraman, Joseph G. Lambourne, Karl D. D. Willis, Yasutaka Furukawa会议：ICML 2023论文链接：https://arxiv.org/abs/2307.00149代码地址：https://github.com/samxuxiang/hnc-cad本文针对CAD生成中缺乏设计意图建模、可控性不足以及层次结构未被利用的问题，提出了一种基于三层层次化神经编码的生成框架。

原创 《CAD生成相关论文汇总》

CAD生成相关论文汇总:

原创 《SkexGen: Autoregressive Generation of CAD Construction Sequences with Disentangled Codebooks论文浅读》

作者：Xiang Xu, Karl D.D. Willis, Joseph G. Lambourne, Chin-Yi Cheng, Pradeep Kumar Jayaraman, Yasutaka Furukawa会议：ICML 2022论文链接：https://samxuxiang.github.io/skexgen/代码地址：https://github.com/samxuxiang/SkexGen。

原创 《Reconstructing editable prismatic CAD from rounded voxel models论文浅读》

本文提出了一种可微分神经网络架构，用于从圆角化体素模型重建可编辑的参数化CAD模型。针对现有方法在噪声处理、几何精度和可编辑性方面的不足，该方法通过可微挤出解码器生成2D轮廓和挤出参数，结合监督与无监督损失进行优化。实验表明，在DeepCAD和ABC数据集上，该方法将IoU从48-50%提升至74-79%，有效模型比例达83.84%，并能输出带约束的2D草图，支持直接导入CAD软件编辑。仅用49种参数化草图变体即可覆盖大部分工程轮廓，验证了有限草图库的可行性。该研究显著提升了逆向工程中CAD模型的重建质量和

原创 《CAD模型与三维模型的区别》

CAD模型，全称是计算机辅助设计模型，是在CAD软件中创建的产品或部件的数字化、精确、完整的几何与工程信息表达。它不仅仅是“看起来像”一个物体，而是“数学上精确”地定义了物体的形状、尺寸、公差、材料属性以及各组成部分之间的约束关系。CAD模型是产品从设计、分析、修改到制造全流程的核心数据源。数学精确性：模型的几何形状由精确的数学方程定义（如直线、圆弧、NURBS曲线/曲面），而非近似的像素或网格。参数化与特征化：现代CAD模型通常是参数化和基于特征的。

原创 《DeepCAD: A Deep Generative Network for Computer-Aided Design Models论文精读》

DeepCAD：基于Transformer的CAD序列生成模型 摘要： DeepCAD是首个直接生成CAD操作序列的深度生成模型，由Wu等人于2021年提出。该研究将CAD模型视为"语言"，通过Transformer网络生成可编辑的CAD命令序列（如草图、拉伸等），而非传统的离散几何表示。研究主要贡献包括：(1)提出新的CAD序列表示方法，统一命令类型与参数格式；(2)构建基于Transformer的自编码器，实现CAD序列的编码与重建；(3)创建包含178,238个模型的大规模CAD数

原创 《CAD生成算法全景解读：从NURBS几何基石到三大前沿范式》

本文介绍了CAD模型生成算法的核心概念及其几何表示的三层架构。CAD模型生成算法旨在让计算机自动或半自动创建符合工程设计规范的三维模型，其特点是具有可编辑性、参数化约束和设计历史信息。几何表示分为三层：底层几何（曲线与曲面）、中层拓扑（边界表示）和高层构造（构造实体几何）。重点讲解了底层几何中的参数化表示方法，包括贝齐尔曲线、B样条曲线和NURBS，并通过代码演示展示了贝齐尔曲线的交互式可视化实现，帮助理解其控制点加权平均的核心思想及凸包性、端点性质等关键特性。

原创 《PythonOCC从0到1速成》

本文介绍了PythonOCC的环境配置、基础形状创建以及布尔运算与几何变换。主要内容包括：1) 不同PythonOCC版本与Python/OCCT版本的对应关系及安装方法；2) 使用BRepPrimAPI创建点、线、立方体、球体和圆柱体等基础形状的示例代码；3) 布尔运算的基本概念和应用场景，包括融合(Union)、切割(Cut)和交集(Common)操作。文中提供了详细的代码示例和运行效果图，帮助开发者快速上手使用PythonOCC进行3D建模。

原创 《CAD中的STP格式说明》

STP（STEP）格式是工业设计领域的通用标准（ISO 10303），用于不同CAD软件间的3D模型数据交换。它以纯文本存储，包含文件头和数据段，支持几何信息、装配关系及属性传递。STP的核心在于AP协议：AP203仅含基础几何，AP214增加颜色等属性，AP242则集成PMI等高级功能。优势在于高互操作性和长期存档性，但存在文件体积大、加载慢等缺点。该标准通过中立格式解决了跨平台协作难题，是工业制造的重要数据桥梁。

原创 《CAD/CAM/CAE 详解》

摘要：CAD/CAM/CAE是现代数字化制造的核心技术。CAD用于产品设计和建模（如SolidWorks、CATIA），CAM实现数控加工编程（如Mastercam、NX CAM），CAE进行仿真分析（如ANSYS、Abaqus）。三者形成数字化产品开发闭环，通过一体化平台（如NX、Fusion 360）实现数据无缝流转。这些技术的集成应用显著提升产品开发效率，是智能制造的重要基础。工程师需掌握CAD工具并了解CAE/CAM原理，以适应工业4.0发展趋势。

原创 《CAD 模型格式完全指南：分类、特点与应用场景》

本文系统梳理了计算机辅助设计（CAD）领域常用的模型数据格式，按照通用交换格式、原生内核格式、原生私有格式、可视化与网格格式、增材制造格式、轻量化可视化格式以及点云与扫描格式等七大类，对每种格式的扩展名、核心特点、优缺点及典型应用场景进行了详细对比。旨在帮助工程师、开发人员及设计者快速了解不同格式的定位与差异，从而在跨平台协作、数据交换、3D打印、可视化展示及软件开发中做出合理选择。

原创 《参数化建模：拉伸、旋转、倒角在pythonOCC 中的实现》

参数化建模是 CAD 系统的核心能力，允许通过修改参数（如尺寸、角度、半径）来动态更新模型。在 Open CASCADE（OCC）中，通过一系列高级 API 可以方便地实现拉伸（Extrude）、旋转（Revolve）、倒角（Fillet）等操作。本文将详细介绍这些操作的定义、对应类、使用方法，并提供完整的 pythonOCC 示例代码。

原创 《布尔运算详解：并、差、交在 CAD 与 OCC 中的原理与实现》

布尔运算是 CAD 几何建模的核心，通过对实体进行并（Union）、差（Cut）、交（Intersect）操作，生成复杂模型。本文系统介绍了布尔运算的基本概念、算法步骤（相交检测、边界分类、拓扑重构、容差处理），并结合 Open CASCADE（OCC）及其 Python 绑定 pythonOCC，给出了完整的代码示例，直观展示了三种运算在立方体与圆柱体上的结果，最后通过并排可视化区分运算类型。文章旨在帮助读者理解布尔运算的底层逻辑及其在几何内核中的实现方式，为实际开发提供参考。

原创 《CAD 几何与拓扑：B-rep 中的分离与关联》

几何描述物体的精确形状，由点、曲线、曲面等数学方程定义；拓扑定义几何元素之间的连接与边界关系，构成物体的结构骨架。在边界表示（B-rep）中，两者分离存储：几何独立存在，可被多个拓扑元素共享；拓扑通过引用几何并携带方向信息，实现高效的数据共享与模型一致性。本文系统介绍几何与拓扑的核心概念、在 OCC/pythonOCC 中的实现机制，并通过对比表格总结两者的区别与协作，为深入理解 CAD 内核奠定基础。

原创 《边界表示（B-rep）拓扑结构深度剖析：Vertex、Edge、Wire、Face、Shell、Solid、CompSolid、Compound 在 OCC/pythonOCC 中的实践》

本文系统介绍 B-rep 拓扑结构的 8 个层级（Vertex→Compound），结合 OCC/pythonOCC 给出定义、类接口及可视化示例，并解析边的方向性在减少数据冗余、保证模型一致性中的关键作用，为几何建模提供实用指南。

原创 常用的CAD几何引擎总结

本文介绍了主流商业与开源几何引擎。商业引擎包括西门子的Parasolid（应用于SolidWorks等）、Spatial的ACIS（用于AutoCAD）、达索的CGM（CATIA核心）、PTC的Granite（Creo引擎）和俄罗斯ASCON的C3D Kernel。开源引擎主要有Open CASCADE（功能最完整）、CGAL（算法导向）、ibigl（轻量级网格处理）和Carve（专注布尔运算）。商业引擎在工业领域占据主导地位，其中Parasolid和ACIS应用最广泛；开源方案虽功能接近商业产品，但在稳定

原创 一文介绍一下【Brep】

B-rep（Boundary Representation，边界表示法） 是一种三维几何模型的表示方法**，它通过描述物体的边界（如面、边、顶点）来定义其形状。

原创 A. Regular Bracket Sequence【CF每日一题 / 1000】

看清题目，只有一个’(‘和’)'。

原创 B. Rudolf and 121【CF每日一题 / 1000】

【代码】B. Rudolf and 121【CF每日一题 / 1000】

原创 D. Distinct Split 【CF每日一题 / 1000】

【代码】D. Distinct Split 【CF每日一题 / 1000】

原创 B. Settlement of Guinea Pigs【CF每日一题 / 1000】

故（n-1)/2+1+(n-1)%2。10个最坏的结果是6。

原创 B. Card Constructions【CF每日一题 / 1100】

【代码】B. Card Constructions【CF每日一题 / 1100】

原创 A. Happy Birthday, Polycarp!【CF每日一题 / 1000】

【代码】A. Happy Birthday, Polycarp!【CF每日一题 / 1000】

原创 dgl库中一些模型的使用

笔记

原创 STL转12视图

【代码】STL转12视图。

原创 BrepMFR

特征识别(FR)是集成计算机辅助设计(CAD)、计算机辅助工艺规划(CAPP)和计算机辅助制造(CAM)系统的关键技术，在现代数字化制造中起着至关重要的作用。近年来，深度学习方法的出现为识别具有复杂几何形状的高度相交特征提供了一种新的方法。然而，由于标记真实CAD模型的成本很高，神经网络通常是在计算机合成的数据集上训练的，当应用于现实世界的CAD模型时，会导致明显的性能下降。因此，我们提出了一种新的深度学习网络，BrepMFR，设计用于从边界表示(B-rep)模型中识别加工特征(MFR)。

原创 研究生必备技能

多cuda版本安装与灵活切换|graspnet高版本torch环境配置Loss上升，精度却也上升？通过loss曲线诊断神经网络模型

原创 step转stl代码

笔记

原创 根据A文件夹删除B文件夹下相同名称的文件

笔记

原创 可视化点云.npz文件

笔记

原创 BRepGAT Graph neural network to segment machining feature faces in a B-rep model【阅读笔记】

笔记

原创 MVCNN++ CAD Model Shape Classification using Multi-View Convolutional Neural Networks【浅读】

深度神经网络在图像和文本数据的分类和检索任务中显示出有希望的成功。虽然在计算机图形学领域已经有了几种深度网络的实现，但这些算法不容易在不同的数据集之间转换，特别是对于产品设计和制造领域中使用的形状。与计算机图形学领域中用于三维形状分类和检索的数据集不同，三维模型的工程级描述并不产生整齐的不同类别。目前的研究着眼于3D形状深度学习算法的分类和检索的改进形式，通过使用诸如放松分类，使用定角相机角度捕捉特征细节和迁移学习来减少训练形状识别算法所需的数据量和处理时间。