[发明专利]一种基于属性化分离的web AR数据呈现方法

权利要求书

1.一种基于属性化分离的web AR数据呈现方法，其特征在于，包括以下步骤：

S10，将模型与动作数据在云服务器进行分别的存储管理；首先将模型数据转化为对象数据，在转化应用中，需要根据对于模型中的各个键值的定义，将模型数据转化为属性对象的结合，存储在云服务器；

S20，在客户端发送请求；客户端在向移动边缘服务器进行页面请求的时候，首先通过http协议，向附近的移动边缘服务器发送相关请求；

S30，移动边缘服务器对于页面请求进行解析；云服务器根据业务需求，首先存储业务所需要的静态模型，同时在数据库中存储模型的动作数据，在对于存储模型动作数据的同时，对于模型动作进行语义化的描述；如果模型数据已经预先进行路由，则移动边缘服务器向云服务器请求动作数据，等待响应后进行模型运算，如果未进行内容路由，则移动边缘服务器向云服务器请求模型以及动作数据，进行模型运算；

S40，移动边缘服务器向云服务器进行数据请求，获取响应资源；在移动边缘服务器向云服务器发送客户端的页面请求的同时，云服务器对于客户端的页面请求进行解析，在语义化描述库中进行查询比对，获取匹配的动作，发送到移动边缘服务器；

S50，在移动边缘服务器进行数据计算；移动边缘服务器在接收到云服务器传递的模型、动作数据后，通过模型内部的数据结构，以程序的方式对于所接收的模型以及动作数据进行复合运算，以数据格式向客户端返回模型响应数据；

S60，将计算结果数据返回给客户端，实现动态模型的载入功能。

2.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S20中所述的在客户端发送请求的具体步骤为：

客户端以http协议向移动边缘服务器发送请求之后，浏览器将会监听移动边缘服务器返回的请求信息；当获取请求信息之后，首先判定返回信息的状态码，当状态码为200时，将会抓取请求的json格式数据，并将数据存储于浏览器的内存中。

3.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，在步骤S30中所述的移动边缘服务器对于页面请求进行解析的具体步骤为：

将客户端与模型加载运算相关的参数结合构建一个多维参数模型，携带表征客户端的运算能力、网络带宽以及交互展示界面的参数，以物理参数模型向云服务器进行页面请求，云服务器将会对于客户端的物理参数进行分析，并运算出适合于客户端的模型返回客户端进行加载和渲染运算。

4.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S50的在移动边缘服务器进行数据计算的具体步骤为：

S501，首先，移动边缘服务器接收客户端的多维度数据模型，进行模型数据解析，获取与客户端当前运行状态相关的物理参数，传递给模型适配模块，对于客户端的物理参数进行解析，传递模型输出权值给模型生成模块；模型生成模块将会根据权值进行模型数据生成处理，并将处理结果以接口的形式返回给客户端，进行渲染计算。

5.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S50的在移动边缘服务器进行数据计算的具体步骤为：

S502，首先客户端在相应的业务环境下，向移动边缘服务器发送携带客户端的物理参数的运算请求，移动边缘服务器将会对于客户端的运算请求进行解析，获取客户端的物理环境模型，并以物理环境模型向云服务器发送页面请求，云服务器在接收到所述页面请求后，发挥云计算的高并发数据优势，计算客户端请求模型的权值，通过网络路由到与客户端最近的移动边缘服务器进行相应的模型请求计算；同时云服务器还需要根据用户的业务请求，进行相应的逻辑响应，并将响应的结果通过移动边缘服务器返回到客户端，实现相应的业务场景构建。

6.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S50的在移动边缘服务器进行数据计算的具体步骤为：

S503，模型计算模块从云服务器中接收到的权值，对于模型数据的贴图以及三维成像数据进行进一步的抽样和压缩，以快速计算的方法将所生成的新模型通过接口的形式返回给客户端，实现响应的业务；关于对于模型的抽样和压缩计算上，在移动边缘服务器的实现上，采用基于机器学习的计算方法，对于模型压缩数据首先进行预处理，同时根据模型请求的数据概率，将高请求率的模型进行云计算和存储的操作，这样能使模型在请求过程中进行快速的模型数据响应，匹配客户端的物理和网络情况。