一种以应用为驱动导向的三维空间数据传输方法及系统与流程

本发明涉及数据传输，特别是一种以应用为驱动导向的三维空间数据传输方法及系统。

背景技术：

1、随着虚拟现实(vr)、增强现实(ar)、3d视频等新兴应用的快速发展，高质量三维空间数据的实时传输成为关键能力。然而，现有的三维数据传输技术存在诸多不足，难以满足新场景的性能需求。传统的网络传输机制缺乏针对三维数据特性的优化，无法高效传输体积庞大、多样性强的三维数据集。大多数三维压缩算法专注于特定数据格式(如点云或网格)，并未能提供通用的自适应压缩支持。此外，静态的传输策略无法根据实时网络状态、终端设备能力的动态变化进行调整和优化。

2、另一方面，传统的网络传输机制还缺乏面向应用场景的需求分析和指标建模能力，难以量化和刻画不同应用场景下的差异化传输需求。比如，对于vr游戏而言，除了常规的传输时延、带宽占用等指标外，还需要关注三维数据真实感维持、视觉连续性保持等专有指标。而对于工业ar场景，则需要重点考虑三维交互的准确性和模型重构时间等。现有技术缺少面向场景的kpi分析和建模框架，无法确定不同场景下的optimal传输指标，难以制定高效的传输策略。此外，现有方案中也缺少人工智能技术的广泛应用，导致缺乏灵活性、自适应性和持续优化能力。

技术实现思路

1、鉴于现有的三维空间数据传输技术存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于如何基于人工智能技术，建立智能化的三维数据自适应传输机制，以满足不同应用场景的差异化需求，并持续优化传输性能。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种以应用为驱动导向的三维空间数据传输方法，其包括构建以应用场景为导向的三维数据传输需求分析系统，并通过定性与定量分析确定系统关键性能指标kpis；构建ai驱动的自适应三维数据传输机制，根据实时网络状态、设备能力、应用场景以及kpis动态调整传输策略；开发面向三维数据的自适应压缩算法集，以满足不同应用场景的差异化压缩需求；循环执行测试，并根据测试反馈结果和实时网络状况对数据传输机制和压缩算法集进行调整和优化；将优化后的传输方法部署至生产环境，并收集现场数据以优化系统性能和验证kpi达成情况。

5、作为本发明所述以应用为驱动导向的三维空间数据传输方法的一种优选方案，其中：通过定性与定量分析确定系统关键性能指标kpis包括以下步骤：基于机器学习和数据挖掘技术，从各类应用场景的历史使用数据中自动提取用户对三维数据的需求指标；针对提取的需求指标，设计基于人工智能的定性和定量分析框架，并生成针对性的评估策略；建立基于场景的三维数据传输kpi模型，将需求指标映射为可测评的关键性能指标kpis；集成数据驱动的仿真模拟引擎，基于kpi模型对不同网络、设备、应用场景进行仿真和数据回放，自动确定各场景下的kpi阈值范围；所述需求指标包括常规指标和针对三维空间数据的特性指标，所述针对三维空间数据的特性指标包括三维数据真实感维持、等级化渲染质量、模型重构时间、视觉连续性保持、三维交互准确性等。

6、作为本发明所述以应用为驱动导向的三维空间数据传输方法的一种优选方案，其中：生成针对性的评估策略包括以下步骤：若衡量常规性能指标，则采用传统的网络测试方法，并结合用户体验反馈数据进行定性分析；若衡量三维数据真实感维持，则基于几何和渲染相似度矩阵计算压缩/传输前后三维模型的失真程度，使用基于深度学习的图像质量评价模型分析真实感差异，并通过主观用户测试收集真实感评分，综合定量和定性评估结果；若评估等级化渲染质量，则根据不同分辨率下的渲染质量和细节数量，自动识别画质瑕疵并打分，并部署基于云渲染的审美能力模型对全局画质进行评估，同时收集真人用户满意度反馈；若测定模型重构时间，则在真实网络环境和设备上多次测试采样，记录完全重构用时，并使用时序模型预测不同场景下的重构时间分布，以提供时间评估的置信区间；若评估视觉连续性，则部署基于注意力机制的视觉流畅度分析模型，对连续帧进行扫描，检测视觉弥散和跳帧现象，同时收集用户的视觉评分反馈，结合定量分析结果综合评价；若测量三维交互准确性，则设计基于计算机视觉和语义分析的自动化交互评测平台，模拟真实的三维交互场景，客观评估响应时间和结果正确性，辅以用户体验反馈进行定性分析。

7、作为本发明所述以应用为驱动导向的三维空间数据传输方法的一种优选方案，其中：构建ai驱动的自适应三维数据传输机制包括以下步骤：设计基于深度强化学习的自适应传输策略模型，输入实时网络状态、设备参数和应用场景，自主生成最优策略组合；所述策略组合包括数据压缩算法选择、分辨率调节策略、传输协议栈参数，支持精细化的策略搜索空间并生成超越人工的优化组合；部署支持异构算力和环境感知的分布式优化服务，实时感知网络状态变化，并在云端和边缘端动态优化调度传输策略；设计用户反馈采集模块，用用户对质量体验的反馈数据优化模型，实现持续的策略优化和模型演进。

8、作为本发明所述以应用为驱动导向的三维空间数据传输方法的一种优选方案，其中：设计基于深度强化学习的自适应传输策略生成模型包括以下步骤：构建异构并行决策网络，用于并行处理多输入包括网络状态信息、设备参数信息和应用场景信息；所述异构并行决策网络包括第一子网络、第二子网络和第三子网络，第一子网络为基于transformer的网络状态编码器，用于接收所述网络状态信息，并捕捉其时序和拓扑特征；第二子网络为基于图神经网络的设备拓扑编码器，用于接收所述设备参数信息，并挖掘设备拓扑信息；第三子网络为基于bert的应用场景语义编码器，用于接收所述应用场景信息，并提取场景语义概念；将所述第一子网络、第二子网络和第三子网络的输出融合为统一的环境状态向量，并将环境状态向量输入至深度q网络中；将深度q网络作为强化学习智能体，基于环境状态向量输出三维数据传输的最优策略组合。

9、作为本发明所述以应用为驱动导向的三维空间数据传输方法的一种优选方案，其中：策略组合包括数据压缩算法选择、分辨率调节策略、传输协议栈参数包括以下步骤：数据压缩算法选择策略包括，根据三维数据类型，从适应压缩算法集中选择对应的压缩算法组合；根据关键性能指标kpi阈值范围，自适应调节所选压缩算法的压缩率；分辨率调节策略包括，构建基于深度学习的视觉注意力模型，对三维数据进行分析以识别其中的关键视觉区域；对于关键视觉区域，提高其渲染分辨率，对于非关键视觉区域，降低其渲染分辨率，以实现非均匀的分辨率渲染；针对连续帧数据，执行基于帧差分的时间采样，当视觉无差异时，降低渲染分辨率，以降低视觉冗余的渲染成本；传输协议栈参数策略包括，确定端到端可配置参数包括拥塞控制、错误纠正编码和包头压缩；基于自注意力机制建模参数间交互影响，需优化传输开销时，调整拥塞控制参数和包头压缩参数，需优化传输时延时，调整错误纠正编码参数；通过无约束优化算法求解参数最优组合；压缩算法选择策略、分辨率调节策略和传输协议栈参数策略构成策略搜索空间，其大小为各子策略的笛卡尔积；构建基于异构并行决策网络模型，实时探索策略搜索空间；引入基于启发式规则的策略裁剪算法，加速策略搜索的收敛以生成超越人工的优化策略组合。

10、作为本发明所述以应用为驱动导向的三维空间数据传输方法的一种优选方案，其中：开发面向三维数据的自适应压缩算法集包括，利用生成对抗网络gans思想，将压缩过程建模为生成器和判别器的对抗优化过程；设计生成器网络结构，针对不同的三维数据表征形式开发定制的编码器-解码器框架，并引入自注意力机制增强编码器-解码器框架对局部和全局特征的建模能力；设计判别器网络结构，基于3d卷积或点云特征提取设计discriminator网络，输入原始三维数据和压缩重建数据，对比两者并输出真实/虚假得分；设计生成对抗网络训练策略，通过生成器最小化判别器得分和将压缩率目标融入生成器损失，生成高质量重建并优化数据区分能力；采用settransformer或编码器-解码器注意力结构，通过自注意力机制建模数据点之间或特征通道之间的依赖关系；针对不同的三维数据表征形式，分别设计对应的生成器和判别器模型，并使用自注意力机制增强建模能力；将不同生成器和判别器模型组合构成三维数据压缩算法家族，并根据实际数据格式选择对应家族成员进行压缩。

11、第二方面，本发明实施例提供了以应用为驱动导向的三维空间数据传输系统，其包括需求分析模块，用于构建以应用场景为导向的三维数据传输需求分析系统，并通过定性与定量分析确定系统关键性能指标kpis；策略制定模块，用于构建ai驱动的自适应三维数据传输机制，根据实时网络状态、设备能力、应用场景以及kpis动态调整传输策略；压缩算法模块，用于开发面向三维数据的自适应压缩算法集，以满足不同应用场景的差异化压缩需求；循环优化模块，用于循环执行测试，并根据测试反馈结果和实时网络状况对数据传输机制和压缩算法集进行调整和优化；部署模块，用于将优化后的传输方法部署至生产环境，并收集现场数据以优化系统性能和验证kpi达成情况。

12、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的以应用为驱动导向的三维空间数据传输方法的步骤。

13、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的以应用为驱动导向的三维空间数据传输方法的步骤。

14、本发明有益效果为：本发明通过构建基于机器学习的定性定量分析框架，量化不同应用场景的差异化传输需求，制定满足场景需求的传输策略；设计基于深度强化学习的自适应传输策略生成模型，实时感知网络、终端和应用场景状态，动态生成最优的策略组合；开发面向多种三维数据格式的自适应压缩算法集，支持算法自动选择和在线组合；采用数据驱动的仿真模拟和强化学习技术，自主确定不同场景下的kpi目标阈值范围；形成闭环优化机制，通过压力测试和容错测试收集现场数据，实现传输策略模型和压缩算法的持续优化。