Dynamo学习之路— 获取 Revit 图元

简介: Dynamo学习之路— 获取 Revit 图元

Dynamo设计的初衷是向 Revit 提供可视化编程的功能,帮助用户更快更便捷地创建和利用模型,所以Dynamo的节点库中专门有一个 Revit 操作节点的分区,那么里面就包含了一系列用于选择、创建、编辑、查询 Revit  图元的节点。今天就聊一聊与获取Revit 图元相关的操作节点。


一、Revit 中的模型层次


首先在学习 Revit 相关节点之前,我们需要对 Revit 模型结构有个系统的了解。那么Revit 模型有四个层次,分别为类别、族、族类型和族实例。我这边绘制了一个简图来帮助大家去理解不同层次的内容,那么类别就是模型的最高层级啦,它可以是墙、结构柱、门、窗等等,我就不一一列举了啊。


那么类别的下一级就是族,我们以门为例,假如类别是门的话,那么族就可以是双开门、单开门以及子母门等等,它是对类别的种类进行划分。


接着是族类型,那么以单开门为例,它就可以是1✖1 米的单开门、2✖2 米的单开门、3✖3 米的单开门等等,那么它是根据尺寸、规格等参数进行的分组。


最后是族实例,它就是我们看到的Revit 图元,每个族类型可以有很多个族实例,比如说一栋楼里面有4个1✖1 米的单开门和4个3✖3 米的单开门,这些都是一个一个的族实例。


aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9nOHdYMFNLZ2R2bmVrN3lvTU0zWDhKczVGTHNFZ2J3bGhkeEF3cmljVUJhNVJZeHBWaWNpY2t1TUttSERpYVhCbURpY1Z6RnEzQVZudE41NDVjdE5mQ01ua29BLzY0MA.png

二、图元的拾取

了解了 Revit 软件的模型结构之后呢,我们接下来进入节点的讲解,根据模型结构的不同,可以分为不同的获取方式。

1、按类别获取

我们找到 Categories 这个节点,比如我们想获取Revit 中所有的墙,那么我们就通过下拉框找到墙类别,然后通过 All Elements of Category 这个节点找到所有的墙图元,这些图元获取到之后我们需要使用 Element.Geometry节点将他们转化成可以在Dynamo中显示的几何形体并对其进行操作。

aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9nOHdYMFNLZ2R2bmVrN3lvTU0zWDhKczVGTHNFZ2J3bFNkU0VCa3JRUTloYzdrRHVPOURpY2YzeWc1OWx3ZmtsWXlXVWRBTzJ5Vk5xV0pSMGR1aWJDY0R3LzY0MA.png

2、按族获取


aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9nOHdYMFNLZ2R2bmVrN3lvTU0zWDhKczVGTHNFZ2J3bDRFN0k5UmNxMlN0RUdJclZDeWJHaWFWVGFCOHkwVHNNdFp5REJtRFdZM0RGWGlhZmlhQmlhMGVpYmliUS82NDA.png

3、按族类型获取


通过族类型来获取 Revit 的图元时,我们首先需要确认所要查找的图元的类别,比如以结构柱为例,要获取结构柱的某个族类型的所有图元,那就需要 Structural Column Types 这个节点,在他的下拉框中选择对应的族类型。然后仍然是使用 All Elements of Family Type 节点来获取相应的图元。


aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9nOHdYMFNLZ2R2bmVrN3lvTU0zWDhKczVGTHNFZ2J3bE9Wak5RVkIwcnZZaWJKQWtmTTdKdndIdEIyQ0FpYldTSWp0c0dzaWE0TGVPR1ZueXBla2liQ1pQV0EvNjQw.png

4、按族实例获取

最后是直接在 Revit 模型界面中点选或框选族实例来完成模型获取,这种方法就简单粗暴了,优点很明显,可以选择到特定的、多种类型的实例。

aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9nOHdYMFNLZ2R2bmVrN3lvTU0zWDhKczVGTHNFZ2J3bGZGRUpPN0l2TkJHVWM4Q21vbkdSUlkzM3RuZDVDYllRTVBKSFQ1R2E0ZUZ4S0gyZUtaNjhPdy82NDA.png



相关文章
|
算法 机器人 Linux
开源项目推荐:3D点云处理软件CloudCompare,基于Qt和OpenGL
开源项目推荐:3D点云处理软件CloudCompare,基于Qt和OpenGL
6995 0
开源项目推荐:3D点云处理软件CloudCompare,基于Qt和OpenGL
|
10月前
|
存储 人工智能 算法
AI 图纸表格识别与智能文档协同处理技术介绍
针对制造业、工程建设等领域图纸表格数据提取效率低、误差高的问题,本文介绍了一套涵盖表格识别、数据导出、EBOM转MBOM及智能文档协同处理的技术方案,实现图纸数据结构化与全生命周期管理。
781 0
2025年阿里云域名备案流程(图文详细教程)
本文详细介绍了2025年阿里云域名备案的全流程,包括注册阿里云账号、企业实名认证、购买服务器、创建域名信息模板、购买域名、域名备案及查询备案号等步骤。通过图文结合的方式,清晰展示了每个环节的操作方法和注意事项,帮助用户顺利完成域名备案。文章强调了域名备案的前提是国内需有一台服务器,并提供了具体配置建议,同时提醒用户注意邮箱验证和短信核验等关键步骤,确保备案顺利通过。
16014 15
|
11月前
|
机器学习/深度学习 人工智能 算法
基于YOLOv8的FPS射击类游戏人物识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
本项目基于YOLOv8与PyQt5开发,专为FPS射击类游戏人物识别设计,具备高精度、实时检测能力。包含完整训练代码、数据集及图形界面,支持图片、视频、摄像头多模式输入,提供从模型训练到部署的全流程解决方案,开箱即用,适合学术研究与AI工程实践。
基于YOLOv8的FPS射击类游戏人物识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
|
自然语言处理 监控 程序员
本地部署企业级自适应 RAG 应用的方法与实践
本文介绍了本地部署企业级自适应RAG(Adaptive Retrieval-Augmented Generation)应用的方法与实践。RAG结合信息检索与文本生成,广泛应用于问答、编程等领域。自适应RAG通过分类器评估查询复杂度,动态选择无检索、单步检索或多步检索策略,优化生成结果。其特点在于灵活性和适应性,能够根据输入情况调整检索和生成策略。核心技术包括检索策略的自适应、生成策略的自适应以及模型参数的自适应调整。通过实战,深入了解了RAG的工作原理和应用场景,并获得了宝贵经验。
1999 4
|
JSON API Apache
基于OkHttp网络通信工具类(发送get、post请求、文件上传和下载)
okhttp是专注于提升网络连接效率的http客户端。 优点: 1、它能实现同一ip和端口的请求重用一个socket,这种方式能大大降低网络连接的时间,和每次请求都建立socket,再断开socket的方式相比,降低了服务器服务器的压力。 2、okhttp 对http和https都有良好的支持。 3、okhttp 不用担心android版本变换的困扰。 4、成熟的网络请求解决方案,比HttpURLConnection更好用。 5、支持异步发送网络请求,响应可在线程处理。
|
缓存 网络协议 网络性能优化
运输层---UDP协议
运输层---UDP协议
|
网络协议 安全
深入了解传输控制协议(TCP)
【8月更文挑战第24天】
892 0
|
机器学习/深度学习 人工智能 算法
Python+OpenCV 十几行代码模仿世界名画
我最近才发现在 OpenCV 的 Sample 代码中就有图像风格迁移的 Python 示例(原谅我的后知后觉),是基于 ECCV 2016 论文中的网络模型实现。所以,即使作为人工智能的菜鸟,也可以拿别人训练好的模型来玩一玩,体会下神经网络的奇妙。
Python+OpenCV 十几行代码模仿世界名画

热门文章

最新文章