1.基于无人机的云端数字孪生场景重建训练方法，其特征在于，基于云端、基站和无人机的互联系统，系统中包括K个搭载机载激光雷达的无人机UAVS，一个基站，一个云端服务器，其中无人机UAVS、基站和云端服务器均部署深度点云压缩框架DPCC；

所述方法包括以下步骤：

 1）K个无人机利用机载激光雷达扫描当前环境，得到当前环境下的点云地图；扫描完成后形成点云数据，点云数据将作为训练云端点云重构网络的训练集；

2）基站获取当前信道状态、云端，基站端和无人机端的计算资源以及所需场景重构的精度并通知无人机准备卸载数据；

3）构建优化问题，并选用相应的算法进行求解，得到信道带宽、计算资源和训练数据分配的结果；

步骤3）中，优化问题建模求解的具体步骤如下：

3.1）建立数学模型：

;

在以下限制下：

;

其中，有K个无人机参与训练， 代表每一个无人机需要卸载的总比特数，它由当前场景所需重建精度决定，即式(3)和(4)；

式(3)表示了场景重建精度的最低阈值，式(3)中， 代表使用H个比特数进行点云点压缩， 表示重建精度与压缩每个点云点所需的比特数之间的关系， 代表当前场景下所需的重建精度；

式(4)表示每个无人机扫描的点云点使用H个比特数进行压缩，其中 表示点云点的数量；

式(2)代表每个无人机分配给不同端训练的比特数之和等于无人机原本需要卸载的比特数之和；

,  ,  分别代表基站处理每个无人机卸载到基站的点云数据的计算资源，云端处理每个无人机卸载到云端的点云数据的计算资源以及基站分配给每个无人机的信道带宽； , , 则代表基站总计算资源限制，云端总计算资源限制以及链路总带宽限制；

代表每个无人机的权重， 代表每个无人机传输并计算好数据的时间； 表示为：；

其中， ， 表示每个无人机的发射功率， 代表基站到无人机的信道增益， 代表基站到无人机的噪声功率， 代表基站到云端的有线光纤链路速率， ， ， 分别代表各个端的计算周期数， 分别代表无人机本地训练的比特数，无人机卸载到基站训练的比特数和无人机卸载至云端训练的比特数；

3.2）将原始优化问题式（1）分解为两个子问题，首先优化训练数据分配 ，再优化信道带宽和计算资源 ,  ,  ；具体求解方法如下：将优化问题式（1）转换为如下形式，用于求解训练数据分配 ：建立数学模型：

；

在以下限制下：

；

将优化问题式（1）转换为如下形式，用于求解信道带宽和计算资源分配 ,  ,  ：建立数学模型：

；

在以下限制下：

  ；

其中变量 和 均为辅助变量；

3.3）将原始问题分解为两个子问题式（9）和式（16）后开始进行迭代求解，直到 数值收敛或达到最大迭代次数；其中，对于训练数据分配采用分支定界算法，对于信道带宽和计算资源分配采用深度展开算法；

4）无人机根据求解结果卸载数据至云端和基站端并进行训练，训练完成后，无人机与基站上传训练的网络参数至云端，云端聚合参数完善点云重构网络。