本发明专利技术涉及AR性能优化领域，尤其涉及一种基于多核处理器的集成式AR设备性能优化方法及装置。该方法包括以下步骤：获取实时AR显示场景图像及用户实时交互数据；对实时AR显示场景图像进行场景对象视觉识别，并进行图像渲染数据封装，生成多个AR场景渲染任务；对多个AR场景渲染任务进行逐个任务视觉渲染算力计算，并进行不同场景渲染需求识别，以生成每一个任务的渲染需求数据；识别系统中的多核处理器参数，进行图像渲染算力感知，以生成每一个处理器的图像渲染算力；根据每一个任务的渲染需求数据对每一个处理器的图像渲染算力进行算力资源预分配匹配，构建动态算力资源调配策略。本发明专利技术实现了动态的AR设备算力资源调配，提高了AR设备的运行性能。
【技术实现步骤摘要】
本专利技术涉及ar性能优化领域，尤其涉及一种基于多核处理器的集成式ar设备性能优化方法及装置。
技术介绍
1、随着增强现实（ar）技术的迅速发展，ar设备在工业制造、医疗健康、教育培训等多个领域得到了广泛应用。ar技术通过将虚拟信息与现实环境相结合，为用户提供沉浸式的交互体验。然而，ar设备在实时渲染、图像处理、用户交互响应等方面面临着巨大的计算压力，尤其是在复杂环境下运行时，处理性能的瓶颈问题日益突出，影响了用户体验和设备的稳定性。
2、ar设备通常需要在较短的时间内完成大量的数据处理任务，包括传感器数据融合、图像渲染、物体识别和实时交互响应等，这些任务对计算能力和系统资源的要求极高。随着ar应用场景的不断扩展，设备对性能的需求也不断增加。传统的单核处理器在处理多任务和大数据量时容易发生瓶颈，导致系统响应迟缓、卡顿甚至崩溃。因此，提升ar设备性能的关键在于如何高效地利用硬件资源，特别是多核处理器的并行计算能力。
3、近年来，随着多核处理器技术的进步，集成式ar设备逐渐采用多核处理器来应对复杂的计算任务。这些多核处理器能够将不同的任务分配给不同的核心进行并行处理，从而提高整体计算效率。然而，如何合理地分配任务、动态调整计算资源、避免处理器过载、提高计算和渲染效率，仍然是当前ar设备性能优化中的核心挑战。传统的性能优化方法通常依赖于固定的任务调度策略，缺乏对设备负载的实时感知和动态调度能力，导致系统资源未能得到充分利用，且无法有效应对变化的负载需求。
技术实现思路
1、本专利技术为解决上述技术问题，提出了一种基于多核处理器的集成式ar设备性能优化方法及装置，以解决至少一个上述技术问题。
2、为实现上述目的，本专利技术提供一种基于多核处理器的集成式ar设备性能优化方法，包括以下步骤：
3、步骤s1：获取实时ar显示场景图像及用户实时交互数据；对实时ar显示场景图像进行场景对象视觉识别，并进行图像渲染数据封装，生成多个ar场景渲染任务；
4、步骤s2：对多个ar场景渲染任务进行逐个任务视觉渲染算力计算，并进行不同场景渲染需求识别，以生成每一个任务的渲染需求数据；
5、步骤s3：识别系统中的多核处理器参数，再进行图像渲染算力感知，以生成每一个处理器的图像渲染算力；
6、步骤s4：根据每一个任务的渲染需求数据对每一个处理器的图像渲染算力进行算力资源预分配匹配，并进行动态资源调配决策，构建动态算力资源调配策略；
7、步骤s5：对用户实时交互数据进行动态交互行为分析及实时场景交互响应变化，以生成交互响应后的渲染图像；
8、步骤s6：根据交互响应后的渲染图像对动态算力资源调配策略进行实时交互响应优化及运行态参数微调，构建智能ar性能优化模型。
9、本专利技术通过获取实时的ar场景图像和用户交互数据，系统能够精确感知当前环境和用户行为，为后续的任务划分提供数据支持。这种实时性确保了ar设备能与用户和环境进行高度交互，提升了用户体验的沉浸感。通过对场景对象进行视觉识别，系统识别出各个物体及其空间关系，并将图像渲染任务进行封装。这不仅降低了任务的复杂性，还能使得每个渲染任务在后续处理时更加细化，提高渲染精度和效率。逐个计算多个ar场景渲染任务的视觉渲染算力，有助于明确每个任务的计算需求，识别任务的渲染优先级和复杂度。这为后续的资源分配提供了基础，使得系统能够更加精确地对资源进行调配，保证高优先级任务的实时渲染。根据每个任务的计算需求，生成任务的渲染需求数据，确保每个渲染任务能在合适的计算资源上进行处理，避免因资源分配不均造成延迟或卡顿。通过对多核处理器的参数识别，系统能够动态感知每个核心的计算能力、内存带宽及处理能力。这为任务的优化调度提供了重要信息，使得资源分配更加精细化、个性化，避免资源浪费或过载。通过图像渲染算力的感知，系统能够精确匹配每个处理器核心的渲染能力与任务需求，确保每个任务都能在最佳核心上运行，从而提升系统的图像渲染效率和稳定性。根据任务的渲染需求数据和处理器的算力资源，系统进行动态资源调配。这种调配策略能够确保计算资源在各任务之间高效分配，避免因某个任务占用过多资源导致其他任务的延迟或失败。通过预分配算力资源，系统能够在任务开始之前进行合理的资源预测和分配，避免了运行过程中频繁调整，减少了调度开销，提升了ar设备的响应速度和运行效率。通过对用户实时交互数据的分析，系统能够实时监测和预测用户的行为，快速响应用户的需求。通过分析用户视线跟踪、手势识别等数据，系统迅速调整场景中的元素和视角，提升用户与ar环境的交互流畅度和自然性。系统根据交互行为的分析，能够实时生成交互响应后的渲染图像。这样的响应不仅确保了实时性，还能够根据用户的交互反馈优化场景渲染内容，提高场景的动态表现力。通过实时交互响应后的渲染图像，系统能够根据任务的变化、用户行为的反馈，实时调整算力资源的调配策略。这样的动态优化机制确保了系统的适应性和灵活性，能够根据实时负载自动进行优化，避免了性能瓶颈。基于交互优化策略与资源调配的实时调整，系统能够逐步构建智能ar性能优化模型，长期积累任务与资源管理的数据，为未来的优化提供依据。此模型不仅能够提升系统运行的整体性能，还能根据不同使用场景和负载情况智能调整系统资源，提高能效并延长设备的使用时间。
10、在本说明书中，提供一种基于多核处理器的集成式ar设备性能优化装置，用于执行如上所述的基于多核处理器的集成式ar设备性能优化方法，包括：
11、渲染任务封装模块，用于获取实时ar显示场景图像及用户实时交互数据；对实时ar显示场景图像进行场景对象视觉识别，并进行图像渲染数据封装，生成多个ar场景渲染任务；
12、渲染需求模块，用于对多个ar场景渲染任务进行逐个任务视觉渲染算力计算，并进行不同场景渲染需求识别，以生成每一个任务的渲染需求数据；
13、算力感知模块，用于识别系统中的多核处理器参数，再进行图像渲染算力感知，以生成每一个处理器的图像渲染算力；
14、动态资源调配模块，用于根据每一个任务的渲染需求数据对每一个处理器的图像渲染算力进行算力资源预分配匹配，并进行动态资源调配决策，构建动态算力资源调配策略；
15、用户交互响应分析模块，用于对用户实时交互数据进行动态交互行为分析及实时场景交互响应变化，以生成交互响应后的渲染图像；
16、性能优化模块，用于根据交互响应后的渲染图像对动态算力资源调配策略进行实时交互响应优化及运行态参数微调，构建智能ar性能优化模型。
17、本专利技术通过实时采集与分析用户交互和环境变化，使得系统能精准了解当前的ar场景，提升场景信息的处理精度，生成多个ar任务后，可确保不同场景的任务得到并行处理，从而为后续优化提供任务单元和数据依据，避免全局计算资源的浪费，确保每个渲染任务都得到精确的算力评估，避免资源分配不合理导致的渲染延迟或系统过载，为后续步骤的资源预分配和调度提供数据支持，确保高负载任务能本文档来自技高网
...
【技术保护点】
1.一种基于多核处理器的集成式AR设备性能优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S1具体步骤为：
3.根据权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S2具体步骤为：
4.根据权利要求3所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S21具体步骤为：
5.根据权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S3具体步骤为：
6.根据权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S4的具体步骤为：
7.根据权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S5的具体步骤为：
8.根据权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，其特征在于，步骤S6的具体步骤为：
9.一种基于多核处理器的集成式AR设备性能优化装置，其特征在于，用于执行如权利要求1所述的基于多核处理器的集成式AR设备性能优化方法，包括：
...
【技术特征摘要】
1.一种基于多核处理器的集成式ar设备性能优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多核处理器的集成式ar设备性能优化方法，其特征在于，步骤s1具体步骤为：
3.根据权利要求1所述的基于多核处理器的集成式ar设备性能优化方法，其特征在于，步骤s2具体步骤为：
4.根据权利要求3所述的基于多核处理器的集成式ar设备性能优化方法，其特征在于，步骤s21具体步骤为：
5.根据权利要求1所述的基于多核处理器的集成式ar设备性能优化方法，其特征在于，步骤...
【专利技术属性】
技术研发人员：彭贵，杜凯，杜向阳，陈小民，
申请(专利权)人：深圳市安之眼科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。