1.基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，包括：S1：动态LOD与视锥剔除协同优化：通过历史数据和当前帧信息，动态计算物体的可见性频率，再根据物体的可见性频率和系统内存使用情况，动态调整不同优先级物体的加载和渲染方式；

S2：基于LSTM的视锥预测：首先进行数据预处理，再根据具体的应用场景和预测需求进行LSTM网络架构的设计，对LSTM网络架构进行训练优化，最后利用LSTM网络架构预测未来多帧的视锥范围；

S3：分块级混合剔除：首先将场景划分为均匀网格块，再进行分级剔除；

S4：异构计算流水线优化：

S41：在GPU计算优化方面，利用Compute Shader执行视锥剔除与LOD切换操作；同时，采用Wave Intrinsics技术更精细地控制线程的执行流程；

S42：在CPU多线程管理资源加载方面，通过共享内存池统一管理模型资源，采用LRU缓存置换策略；同时，利用原子操作保证线程安全；

S5：渲染执行流程：根据步骤S2‑S4依次执行渲染流程。

2.根据权利要求1所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述S1具体包括：S11：可见性概率统计：可见性概率由以下公式计算：

，

其中： 为可见性概率， 表示物体在历史帧中的可见帧数总和，

表示总帧数， 是上一帧计算的可见性频率，是衰减系数；

S12：分级LOD加载策略：对于高频可见物体，实施预加载策略，提前1‑2帧加载高精度LOD模型，并保证模型在显存中不被置换，同时赋予最高渲染优先级；对于中频物体，采用后台线程按需加载的方式，根据内存压力自动调整缓存大小；对于低频物体，使用最低细节级别，并且在显存紧张时最后加载，可被高优先级任务抢占。

3.根据权利要求1所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述S2具体包括：S21：数据预处理：输入连续5‑10帧的相机6DOF参数，首先通过批量处理数据，批处理大小为64样本，同时利用批量归一化操作将不同量纲和范围的数据映射到统一的区间；最后采用滤波算法对相机参数进行平滑处理；对于异常值，采用插值或替换进行处理；

S22：LSTM网络架构：输入层为6维相机参数，批处理大小为64；隐藏层采用2层LSTM，每层64神经元；输出层为未来3帧视锥体的8顶点坐标；

S23：训练优化：在训练优化方面，损失函数为：

，

其中： 为模型预测的分割区域； 为真实的分割标签； 为正则化项。

4.根据权利要求1所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述S3中，每个网格块包含静态物体列表、动态物体列表以及遮挡元数据；静态物体列表记录了网格块内所有静态物体的相关信息；动态物体列表实时更新网格块内动态物体的状态；遮挡元数据是提高剔除效率的关键。

5.根据权利要求4所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述将场景划分为均匀网格块具体包括：S311：对于静态场景，加载预烘焙的Occlusion Map，并使用PVS优化潜在可见集；

S312：在动态物体管理方面，将场景划分为网格块后，仅对相机运动方向上的区块实施精确剔除；对于非运动方向上的区块，采用更简单的剔除策略或降低剔除精度；同时实时更新动态物体的位置和状态。

6.根据权利要求5所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述分级剔除具体包括：S321：粗剔除：基于区块AABB的快速相交测试，在剔除过程中，首先进行粗剔除阶段，基于区块的AABB进行快速相交测试，采用并行化处理方式，每个线程处理一定数量的区块；

S322：精剔除：进入精剔除阶段，针对可见区块内的物体实施逐对象遮挡查询，采用HiZ遮挡剔除技术，并利用GPU Compute Shader进行加速处理，Compute Shader充分利用GPU的并行计算能力，对每个物体进行高效的遮挡判断，最终生成最终的可见物体列表。

7.根据权利要求6所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述分级剔除过程中：若相机运动速度大于所设置的阈值，则跳过非运动方向上的区块剔除计算，降低这些区块的LOD级别，并将其标记为可能可见的状态。

8.根据权利要求1所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述S4中，CPU与GPU之间通过PCIe总线共享内存区域。

9.根据权利要求1所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，其特征在于，所述S5具体包括：S51：在预测阶段，每帧调用LSTM网络，输入连续多帧的相机6DOF参数，经过网络推理后输出未来3帧的视锥范围；

S52：资源预加载阶段根据预测结果和物体的可见性频率，异步加载可见性概率高的LOD模型；

S53：剔除与渲染阶段，CPU首先执行粗剔除操作，对场景中的区块进行快速筛选，输出可见区块列表；然后，GPU执行HiZ精剔除，对可见区块内的物体进行逐对象遮挡查询，生成最终的渲染队列；对于低频物体，启用GPU Instancing批量渲染技术，将多个相同的物体实例合并为一个渲染批次。

10.基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化系统，其特征在于，用于实现权利要求1‑9任一所述的基于时空预测的动态LOD与视锥体剔除协同渲染的三维场景优化方法，包括：动态LOD与视锥剔除协同优化模块：实现可见性概率统计与分级LOD加载；

LSTM视锥预测模块：预测未来多帧的视锥范围；

分块级混合剔除模块：实现粗精两级剔除优化；

异构计算流水线模块：优化CPU‑GPU任务分配与数据传输；

渲染执行控制模块：协调各模块的时序与数据流。