一种基于马尔科夫链和高斯泼溅的动态场景重建方法

本发明提供了一种基于马尔科夫链和高斯泼溅的动态场景重建方法，包括以下步骤：S1.初始化马尔科夫点；S2.联合编码位置与旋转；S3.构建历史状态滑动窗口；S4.马尔科夫链形变预测：利用多头时间注意力机制对历史状态序列进行自适应加权处理,再经输出投影矩阵整合为统一特征表示，然后将注意力输出送入马尔科夫预测器，输出位移偏移量和旋转偏移量；S5.训练阶段噪声注入；S6.双通道加权融合。本发明方法将动态场景中三维高斯的运动过程建模为带有记忆的马尔科夫链的状态转移过程，通过学习有限长度的历史运动状态来预测下一时刻的形变，并结合多头时间注意力机制和噪声注入策略，提升运动预测的时序一致性和鲁棒性。