1.一种基于变异粒子群优化算法的三维产权体视角选择方法，其特征在于，方法包括以下步骤：步骤一：生成包围三维产权体模型的边界球，将三维产权体模型的正二十面体12个顶点和各三角形面的20个重心扩散至边界球面，选择正二十面体在几何中心上方的各顶点和各面重心构建具有16个视点的候选视角集合，20个重心点为正二十面体每面三角形的重心，采用暴力算法，以一个三角形的重心为标准，对所有顶点进行组合，保留准重心点与几何中心连线长度与标准重心点与几何中心连线相同的点，则该点为重心点，最后去除正二十面体几何中心平面以下的所有点，保留的16个视点为三维产权体模型的候选视角；

步骤二：根据具有16个视点的候选视角集合下所观察到的三维产权体模型信息量，以人为的综合感官按照从好到差标准进行评分标识，获得视角排序序列；

步骤三：提取三维产权体模型各视角下的模型评价特征，包括可见三维界址点数量V(w)、关联性R(w)、视角舒适度D(w)，从特征集合出发进行特征权重分配定义评价函数S(w)；

所述可见三维界址点数量V(w)的求解公式为：

V(w)＝N(w)/N

其中，N(w)为模型从视角w可见的三维界址点数量，N为该模型的所有三维界址点数量；

所述关联性R(w)反映视角w下可见的产权体面积与整个三维产权体模型表面积的关联性，求解公式为：R(w)＝A(w)/A(M)

其中，M代表整个三维产权体模型，A(w)是视角w下可见的产权体面积，是整个三维产权体模型表面积；

所述视角舒适度D(w)反映候选视角与最优视角之间的接近度，求解公式为：

D(w)＝π‑|dw‑dbest|

其中，dw为W视角下所对应的向量与竖直方向所对应的向量的夹角，dbest为物体的最优视角的夹角，且dbest＝45°；

所述评价函数S(w)的表达式为：

S(w)＝V(w)×WV+R(w)×WR+D(w)×WD

其中，WV为视角可见三维界址点数量的权重，WR为对视角关联性的权重，WD为视角舒适度的权重；

步骤四：输入标注的训练模型集合，16个视角人工标定得分序列，采用变异粒子群优化算法和退火算法进行特征权重学习，输出三维产权体模型各特征的权重组合Wbest1～Wbestn；

步骤五：提取待评价的三维产权体模型评价特征，利用特征权重组合，构建各视角的评价函数，求解出各视角得分，输出得分最高视角下的三维产权体图件。

2.根据权利要求1所述的一种基于变异粒子群优化算法的三维产权体视角选择方法，其特征在于，所述包围三维产权体模型的边界球为单位半径r为三维产权体模型包围盒对角线长度，球体的中心与三维产权体模型的几何中心一致。

3.根据权利要求2所述的一种基于变异粒子群优化算法的三维产权体视角选择方法，其特征在于，所述包围三维产权体模型的边界球进一步细分为包围三维产权体模型的正二十面体，则三维产权体模型的候选的视角在正二十面体的12个顶点和各三角面的20个重心点中选定。

4.根据权利要求1所述的一种基于变异粒子群优化算法的三维产权体视角选择方法，其特征在于，所述视角排序序列的排序标准采用五点量表法进行人工评分标识，将评分结果分为5个等级：很合适10分、合适8分、没有意见6分、不太合适4分和不合适2分，然后按照得分对各视角排序。

5.根据权利要求1所述的一种基于变异粒子群优化算法的三维产权体视角选择方法，其特征在于，所述特征权重学习的步骤如下：步骤S1：输入三维产权体训练模型、候选视角合集、人工标识视角排序序列、视角评价特征数据；设置粒子群的种群规模大小n，种群维度d，迭代次数t，初始温度Tk，k＝0，退火系数C，粒子最大速度；

步骤S2：随机在区间[0，1]中选取m个粒子xi，其中i＝1，2，...，m，m组的权重组合x＝w1i，w2i，...，wdi为初始粒子群，其中1≤i≤m；

步骤S3：设置迭代次数为t，在每一次的迭代中更新粒子个体及整个粒子群的速度和位置，并进行退火算法，直至达到设定的迭代次数后结束；

步骤S4：在训练数据集上对每个组合通过评价函数的计算获得各个权重组合下的视角的得分，按得分从高到低排序，粒子适应度的评价是基于计算实验序列与标定序列之间的距离，设wi在标定序列中所处的位置为Lwi，实验所得序列所处位置为L′wi，两个位置之间的距离为权重组合将视角wi错排程度的一种度量，计算每个视角对应的度量值并相加，将和值作为两个序列之间的距离D：计算得到m种组合实验所得出的序列与标定序列之间的距离D1～Dm，D越小，说明其对应的权重组合下获得的视角排序越接近人工标识视角排序，则对应的权重组合为本轮最优粒子；

步骤S5：根据粒子的更新速度公式和更新位置公式，调整粒子个体位置，进一步调整粒子群的位置和速度，进行下一次迭代，其中，粒子的更新速度公式和更新位置公式为：vi+1＝vi+c1r1(pi‑xi)+c2r2(pg‑xi)

Xi+1＝xi+vi+1

Vi+1为第i+1个粒子的速度，Xi+1为第i+1个粒子的位置，Vi为第i个粒子的速度，xi为第i个粒子的位置，i取在[1,N1]之间；Pi为第i个粒子自身搜索到的最优位置；Pg为整个粒子群搜索到的最优位置；c1和c2是非负常数；r1和r2是介于[0,1]之间的随机数；

步骤S6：引入退火算法，通过退火算法的状态产生函数对除最优粒子外其他粒子产生新粒子，计算新旧粒子对应的序列距离T，并判断T是否接受新粒子，判断依据为T＞rand[0，

1]，满足条件的进行退火操作，否则重复进行退火算法；

步骤S7：在退火实验完成之后，返回至步骤S4，重复计算粒子群的适应度，当达到迭代次数后，程序结束输出，输出结果为权重组合Wbest1～Wbestn。

6.根据权利要求1所述的一种基于变异粒子群优化算法的三维产权体视角选择方法，其特征在于，所述输出得分最高视角下的三维产权体图件的过程包括：利用训练好的权重学习模型，输入待评价的三维产权体模型，获取产权体的视角集合，提取产权体的评价特征集合，通过权重学习模型获得最优特征权重组合，构建产权体模型各视角下的评价函数，获得各视角评价得分，输出得分最高视角下的三维产权体图件。