1.一种基于虚拟仿真的图形处理引擎开发方法，其特征在于：包括，采集训练场景的深度摄像头所输出的三维点云数据，并通过卷积神经网络算法对三维点云数据进行卷积运算，提取三维空间特征矩阵；

根据所述三维空间特征矩阵构建图形识别模型，并将待处理图形的原始数据输入所述图形识别模型，输出图形参数集；

基于所述图形参数集，在预设场景库中匹配虚拟场景模型，并对所述虚拟场景模型的参数进行调整；

根据调整后的虚拟场景模型建立物理坐标系，通过网格划分算法将待处理图形转化为网格单元，并基于物理运动学公式计算网格单元的位移数据；

读取所述位移数据，生成并向图形处理器发送图形处理指令序列，通过对网格单元叠加纹理信息与光线追踪效果，输出成像结果。

2.如权利要求1所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：所述成像结果的生成方法为，采用时序数据流处理方法将位移数据按时间戳排序，并进入图形处理缓冲区，其中所述图形处理缓冲区的位移数据通过插值平滑处理后映射至图形渲染管线，生成图形处理指令序列；

基于所述图形处理指令序列，根据物理坐标系为网格单元分配纹理坐标，并采用各向异性过滤方法提升纹理采样质量；

同时通过法线贴图和置换贴图增强表面细节，并对网格单元应用预设材质模板，进行双向反射分布函数计算，模拟材质表面的光线散射特性；

采用层次包围盒结构加速光线‑场景求交运算，计算直接光照、间接光照和全局光照的合成效果，并加入环境光遮蔽和软阴影效果，实现光线追踪的效果；

基于光线追踪的效果，通过后处理管线的色调映射和抗锯齿处理，将渲染结果输出至显示缓冲区，生成成像结果。

3.如权利要求2所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：所述位移数据的形成方法为，基于右手笛卡尔坐标系，根据调整后的虚拟场景模型建立物理坐标系；

采用自适应四边形网格划分算法对待处理图形进行网格剖分，并根据图形的局部曲率和边界特征动态调整网格密度，生成网格单元集合；

基于所述网格单元集合，以牛顿第二定律为物理运动学公式的基础，结合拉格朗日力学方程，对网格单元施加作用力；

同时通过龙格库塔积分算法求解微分方程组，计算所述网格单元在离散时间步长内的速度矢量和位移向量；

根据所述位移向量更新所述网格单元在物理坐标系中的空间位置，形成位移数据。

4.如权利要求3所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：根据所述图形参数集在预设的场景库中匹配相应的虚拟场景模型，并对所述虚拟场景模型的参数进行调整，包括：构建层次化场景索引结构，并将图形参数集通过特征向量标准化处理，生成标准化特征向量；

基于KD树的快速检索算法，将所述图形参数集映射至场景库的类别空间，并在所述类别空间内构建特征向量索引；

计算所述标准化特征向量和所述特征向量索引的相似度，确定匹配的虚拟场景模型；

提取所述图形参数集中的几何参数，并根据仿射变换原理对虚拟场景模型进行几何变换，其中所述几何变换包括尺寸缩放、旋转平移和投影映射；

通过双线性插值算法对变换后的虚拟场景模型进行调整，同时对所述虚拟场景模型的材质参数、光照参数和阴影参数进行优化配置。

5.如权利要求4所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：所述相似度的具体公式如下：其中，S为相似度得分，V1为待匹配的标准化特征向量，V2为场景库中的特征向量索引，v1i和v2i分别为V1和V2中的第i个分量，σ为高斯核函数的带宽参数，λ为衰减系数，wj为第j个特征的权重系数，f1j和f2j分别为V1和V2的第j个全局特征，n为特征向量维度，m为全局特征数量。

6.如权利要求4所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：所述图形参数集的获取方法为，基于三维空间特征矩阵，通过神经网络架构建立图形识别模型，其中所述神经网络架构包括编码器和解码器；所述编码器包括全连接层、归一化层、ReLU激活函数以及双向长短时记忆网络单元；所述解码器包括并行分支结构；所述并行分支结构包括第一分支结构和第二分支结构；所述第一分支结构包括反卷积层；所述第二分支结构包括注意力机制；

使用所述全连接层对三维空间特征矩阵进行降维映射，并将降维后的特征向量输入至所述双向长短时记忆网络单元进行时序特征编码；

采用所述第一分支结构使用所述反卷积层对所述时序特征编码进行空间还原，同时采用所述第二分支结构使用所述注意力机制提取局部关键特征；

将空间还原后的时序特征编码和所述局部关键特征通过通道维度的连接操作后进行特征融合；

将待处理图形的原始数据输入所述图形识别模型，通过所述编码器和所述解码器的顺序处理，提取图形的几何参数、位置参数和方向参数，形成图形参数集。

7.如权利要求1所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：所述深度摄像头包括输出X轴、Y轴和Z轴的空间坐标信息和反射强度值的原始点云数据流；所述三维空间特征矩阵的提取方法为，对所述原始点云数据流进行空间降噪和密度均衡化预处理，生成点云数据集；

将所述点云数据集划分为大小相等的三维体素网格，并对所述三维体素网格的点云特征进行统计编码，生成局部特征描述子；

基于卷积神经网络算法，采用多尺度三维卷积核对所述局部特征描述子进行逐层特征提取；

通过跨层特征融合模块将不同尺度下提取的特征图进行自适应加权组合，输出包括多尺度空间信息的三维特征矩阵，其中所述三维特征矩阵的行向量表示采样点数，列向量表示特征维度。

8.一种基于虚拟仿真的图形处理引擎开发系统，基于权利要求1～7任一所述的基于虚拟仿真的图形处理引擎开发方法，其特征在于：还包括，数据采集模块，用于采集训练场景的深度摄像头所输出的三维点云数据，并通过卷积神经网络算法对三维点云数据进行卷积运算，提取三维空间特征矩阵；

特征提取模块，用于根据所述三维空间特征矩阵构建图形识别模型，并将待处理图形的原始数据输入所述图形识别模型，输出图形参数集；

参数调整模块，用于基于所述图形参数集，在预设场景库中匹配虚拟场景模型，并对所述虚拟场景模型的参数进行调整；

网格化处理模块，用于根据调整后的虚拟场景模型建立物理坐标系，通过网格划分算法将待处理图形转化为网格单元，并基于物理运动学公式计算网格单元的位移数据；

图形成像模块，用于读取所述位移数据，生成并向图形处理器发送图形处理指令序列，通过对网格单元叠加纹理信息与光线追踪效果，输出成像结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于虚拟仿真的图形处理引擎开发方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于虚拟仿真的图形处理引擎开发方法的步骤。