1.基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，包括：S1、获取外部输入的包含目标资源模型材质描述的检索内容，以及该目标资源模型材质所对应的RGB三原色数据；

S2、调用系统预置的模型材质颜色标签，将其与S1所获取的目标资源模型材质所对应的RGB三原色数据进行匹配，筛选得到目标模型；

所述S2的模型材质颜色标签，其预置方法如下：

S21、解析并存储三维引擎的菜单数据，所述菜单数据为包含资源模型地址的菜单数据或者包含资源模型材质的菜单数据；

S22、对包含资源模型地址的菜单数据进行地址访问，获取所述包含资源模型地址的菜单数据中的模型材质数据，然后与包含资源模型材质的菜单数据中的模型材质数据合并为模型材质数据集，从所述模型材质数据集中提取最大公约数模型材质数据，并将其储存至数据工具类中；

S23、采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质的颜色及透明度进行提取分配处理，分析不同颜色数据所占比重，得到主要颜色、辅助颜色、干扰色及透明度等级，分别采用特征类型词将其标记为模型材质颜色标签，将其记录至S22中的数据工具类中。

2.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述S21中，所述菜单数据中的单条菜单属性包括：菜单名称、资源地址或者资源模型的材质、层级信息以及描述信息。

3.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述S22中，提取最大公约数模型材质数据的方法为：对模型材质数据集中的模型材质信息进行判断，建立集合将不重复的模型材质信息作为集合的“key”值进行储存，且将具有此材质信息的所有菜单层级信息和菜单名称作为“value”值进行键值对对应。

4.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述S23中，采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质颜色及透明度进行提取分配处理方法为：获取最大公约数模型材质数据中的模型材质所有颜色的RGB三原色颜色区间，返回值为4个[0,255]的值，分别对应红绿蓝以及透明度的比重。

5.如权利要求4所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述S23中，针对模型材质中每种颜色的红绿蓝以及透明度的比重进行颜色标签标注：归纳在材质贴图中所有的颜色，通过遍历指定颜色所在区域，并与模型整体区域比较，计算出每种颜色所占比重，按颜色所占比重的不同分别为其添加主要颜色标签和辅助颜色标签：归纳在材质贴图中所有的颜色并计算出每种颜色所占比重，比重最多的颜色为其添加主要颜色标签，比重次之的三种颜色为其添加辅助颜色；同时比较主要颜色与辅助颜色的透明度等级，若主要颜色与辅助颜色两两比较中，出现透明度不相同的状况，记录两种颜色，计算生成两种颜色融合后的颜色，标注为干扰色。

6.如权利要求5所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述干扰色的融合计算过程如下：

条件：已知颜色a（Ra,Ga,Ba,Aa），颜色b（Rb,Gb,Bb,Ab），且要求Aa∈（0,255）,Ab∈（0,

255），求得干扰色 C(Rc,Gc,Bc,Ac)；

对比颜色a的透明度Aa与颜色b的透明度Ab，并将其中透明度较大的颜色a的透明度Aa或颜色b的透明度Ab赋值为融合后的干扰色的透明度Ac；

Rc= Ra×(Ab/255)＋Rb×(Aa/255)

Bc= Ba×(Ab/255)＋Bb×(Aa/255)

Gc= Ga×(Ab/255)＋Gb×(Aa/255)

最终所得干扰色C(Rc,Gc,Bc,Ac)。

7.如权利要求6所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述干扰色还包括S23中颜色占比最少的三个RGB颜色。

8.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，所述S2的具体筛选过程为：

首先，将S1中目标资源模型材质所对应的RGB三原色数据与S23得到的干扰色标签进行对比，将一部分模型材质数据排除，以减少遍历计算量；然后，用S23得到的主要颜色标签与S1中目标资源模型材质所对应的RGB三原色数据进行比对，得到主要颜色标签符合要求的模型材质数据；最后，反向得出具有符合要求的模型材质数据的所有目标模型。