面向大规模三维模型的发布态数据发布方法及系统与流程

本发明涉及云平台，尤其涉及面向大规模三维模型的发布态数据发布方法及系统。

背景技术：

1、云平台是提供计算、存储与网络调度能力的远程服务化基础平台，现有技术在云平台上通常先通过三维模型经去噪，与语义分割后预处理为实例模型，再通过几何简化生成多细节层次数据，按固定空间分区聚合，并分配至边缘节点，最后统一加密与缓存分发；

2、现有技术的预测热度缺失置信度，短期波动致相邻块误合并，冷热数据绑定分发，热块随冷块被整体逐出，热度仅排序时使用一次，后续预取与缓存策略无差别对待，高价值数据提前失效，使得边缘命中率持续恶化，在实际中，预测缺失置信度，短期波动致相邻块误合并，冷热绑定分发，热块随冷块被逐出；热度仅排序使用一次即丢弃，预取与缓存无区分，高热度块过早淘汰；当极端时边缘节点满载，仍被判定为高容量的特殊情况中，触发淘汰逐出高语义精细数据，导致用户交互时关键区域渲染降级、结构模糊，影响操作精度与体验的问题。

技术实现思路

1、针对现有技术的不足，本发明提供了面向大规模三维模型的发布态数据发布方法及系统，解决了现有技术的预测热度缺失置信度，短期波动导致相邻块误合并，冷热数据绑定分发，后续预取与缓存策略无差别对待，高价值数据提前失效，使得边缘命中率持续恶化的技术问题。

2、为解决上述技术问题，本发明提供了如下技术方案：面向大规模三维模型的发布态数据发布方法，该方法的步骤为：采集模型的原始三维模型数据，根据原始三维模型数据通过去噪最小化优化，生成语义实例模型；

3、基于语义实例模型进行多尺度方差处理，得到冗余标记集，对冗余标记集进行多级细节层索引处理，生成轻量化多细节层次模型；

4、对轻量化多细节层次模型进行网格化细粒度处理，生成聚类块集，根据聚类块集通过动态加权增量处理，生成分布优化数据块集合；其中，动态加权增量处理为：根据聚类块集通过动态加权处理，得到边缘容量向量；生成分布优化数据块集合的过程为：基于边缘容量向量、聚类块集和热度向量进行热度修正处理，生成分布决策；对分布决策和聚类块集进行自适应增量处理，生成分布优化数据块集合；

5、根据分布优化数据块集合通过分布式派生处理，生成属性密钥组，基于分布优化数据块集合和属性密钥组进行信封加密安全处理，得到安全发布态数据；

6、基于安全发布态数据进行哈希标识反馈聚合处理，生成分布完成反馈结果。

7、优选的，根据原始三维模型数据通过去噪最小化优化，包括：根据原始三维模型数据通过去噪特征提取，生成去噪特征点云；

8、基于去噪特征点云进行图卷积分割，生成语义标签点云；

9、对语义标签点云进行边界能量最小化优化，生成语义实例模型。

10、优选的，基于语义实例模型进行多尺度方差处理，包括：根据语义实例模型通过多尺度邻接图处理，生成几何关系图；

11、基于几何关系图进行多头图注意力编码，生成冗余度向量；

12、对冗余度向量进行类间方差处理，得到冗余标记集。

13、优选的，对冗余标记集进行多级细节层索引处理，包括：根据冗余标记集通过多级细节层次处理，生成细节层析目标参数；

14、基于细节层析目标参数和几何关系图进行自适应边折叠处理，生成第一几何模型；

15、对第一几何模型进行八叉树索引处理，生成轻量化多细节层次模型。

16、优选的，对轻量化多细节层次模型进行网格化细粒度处理，包括：根据轻量化多细节层次模型通过网格化分箱处理，生成空间块集合；

17、基于空间块集合进行时序卷积不确定处理，生成热度向量和置信度向量；

18、对空间块集合、热度向量和置信度向量进行二次细粒度处理，生成聚类块集。

19、优选的，根据分布优化数据块集合通过分布式派生处理，包括：根据分布优化数据块集合通过分布式层次化处理，得到默克尔根哈希；

20、基于分布优化数据块集合进行映射编码，生成权限策略属性集；

21、对权限策略属性集进行密钥派生处理，生成属性密钥组。

22、优选的，基于分布优化数据块集合和属性密钥组进行信封加密安全处理，包括：根据分布优化数据块集合和属性密钥组进行信封加密处理，生成加密数据块集；

23、基于加密数据块集和默克尔根哈希进行区块存证处理，得到存证区块；

24、对存证区块和加密数据块集进行安全发布处理，得到安全发布态数据。

25、优选的，基于安全发布态数据进行哈希标识反馈聚合处理，包括：根据安全发布态数据通过哈希标识处理，得到发布端点标识；

26、基于发布端点标识进行分层预热指令处理，得到缓存预热状态；

27、对缓存预热状态进行反馈聚合处理，生成分布完成反馈结果。

28、优选的，原始三维模型数据包括几何位置数据、拓扑连接关系和属性数据。

29、该技术方案还提供了面向大规模三维模型的发布态数据发布系统，该系统包括：语义处理模块，采集模型的原始三维模型数据，根据原始三维模型数据通过去噪最小化优化，生成语义实例模型；

30、多细节模块，基于语义实例模型进行多尺度方差处理，得到冗余标记集，对冗余标记集进行多级细节层索引处理，生成轻量化多细节层次模型；

31、分布优化模块，对轻量化多细节层次模型进行网格化细粒度处理，生成聚类块集，根据聚类块集通过动态加权增量处理，生成分布优化数据块集合；

32、安全密钥模块，根据分布优化数据块集合通过分布式派生处理，生成属性密钥组，基于分布优化数据块集合和属性密钥组进行信封加密安全处理，得到安全发布态数据；

33、反馈聚合模块，基于安全发布态数据进行哈希标识反馈聚合处理，生成分布完成反馈结果。

34、借由上述技术方案，本发明提供了面向大规模三维模型的发布态数据发布方法及系统，至少具备以下有益效果：

35、1、本发明通过图注意力网络与二次误差度量的协同，解决了高压缩轻量化中语义细节丢失的问题，一方面，图注意力网络自动学习面片的局部不可替代程度，结合自适应阈值将可压缩冗余区域与需保留精细区域精准区分，另一方面，强化学习以各语义实例的视觉重要性为输入，自动决策差异化压缩比，使高语义价值部件在简化后保持足够几何精度，避免了传统均匀压缩导致的装配特征消失，确保轻量模型在边缘渲染时，仍可正确表达结构关系。

36、2、本发明通过热度置信度联合预测与二次反馈聚类，解决了空间聚类粒度与访问热度不确定性失配，以及热度信息利用不充分的双重耦合问题，热度向量在聚类阶段驱动相似块合并，置信度触发低置信度聚类的细粒度拆分，使聚类粒度与预测可信度自适应匹配，热度向量在预取阶段作为多臂赌博机奖励修正因子，使高热度块优先分配至优质节点，实现热度信息的全流程复用，避免了传统方法中热度仅单次使用后被丢弃，造成的预取与缓存策略缺乏区分的问题。

37、3、本发明通过属性基加密与区块链存证的组合，解决了细粒度访问控制与防篡改溯源问题，属性基加密将角色、时间、空间等条件嵌入访问策略树，使边缘缓存数据仅对满足多维度属性的终端可解密，默克尔树与联盟链存证使每个数据块的完整性，可独立验证且篡改可定位，安全容器签名将加密内容与存证时间戳联合锁定，防止过期版本被重新注入边缘节点，实现加密与存证不分离的端到端安全保障。

38、4、本发明通过内容绑定端点标识与分层预热反馈，解决了发布溯源缺失与边缘冷启动问题，端点标识由内容哈希、时间戳与节点标识联合生成，使发布数据与源头不可否认地绑定，可有效追溯污染来源，分层预热指令在终端请求到达前将数据主动推送至边缘并统计就绪比例，以可配置阈值判定发布完成，避免局部节点故障阻塞全局发布，使发布状态与实际边缘覆盖程度弹性匹配。