摘要
本发明提供了基于深度学习的三维空间数据分析方法及系统，涉及计算机视觉领域，该方法通过时空分离的动态神经辐射场对静态场景基模与动态物体运动轨迹进行建模；在边缘计算节点部署轻量化动态神经辐射场模型，实时处理多模态传感器数据并生成局部三维场景表示，在边缘节点上执行神经辐射场的渲染与预测计算，并将场景变化的隐式特征差异量上传至云端；云端通过联邦学习框架聚合多边缘节点的特征差异数据，动态更新全局场景先验知识库并下发至边缘节点。本发明能够提高三维数据的处理效率、精度和适用性，特别适用于在复杂环境下进行物体识别、目标检测、语义分割等任务。
