1.一种可优化视觉遮挡场景的光场绘制的方法，其特征在于，包括如下步骤：

1)定义遮挡概率模型：采用7维的全光函数F(x，y，z，θ，φ，λ，t)描述在时间t，相机捕获场景的位置(x，y，z)和方向(θ，φ)，在一个静止的场景中，假定光线传输为均匀分布，那么可把7维的全光函数简化成5维全光函数，即F(x，y，z，θ，φ)，则相机捕获场景信息时遮挡覆盖的区域定义为函数A(x，y，z，θ，φ)表示，遮挡物体所占视觉的覆盖区域，用函数B(x，y，z，θ，φ)表示，其中，(x，y，z)表示相机的空间位置，(θ，φ)表示相机的方向，那么遮挡程度s(x，y，z，θ，φ)可表示为公式(1)：

2)用遮挡数学模型描述遮挡大小随着相机位置和方向变化：选择5维全光函数中2维位置(x，z)和1维方向θ，即得到3维光场F(x，z，θ)，给定一个相机，当相机的方向没有旋转和固定不变的时候，改变相机的位置(x)，遮挡程度近似是一个高斯函数为公式(2)：其中，o(x)是遮挡因子，当的x≥0时候，有o(x)＝1表示没有遮挡，当x＜0的时候，有o(x)＝0表示完全遮挡，x0表示遮挡物体的中心；

当相机移动的距离为相机与物体之间的距离z的时候，遮挡程度近似是一个指数函数，可写为公式(3)：z

p(z)＝o(κ-z)a (3)，

这里0＜a＜1且a由遮挡物体的大小决定；

当旋转相机方向的时候，遮挡程度函数可写为公式(4)：

这里θ0是相机方向没有旋转的角度；

3)计算概率密度函数：当相机的位置和方向同时变化的时候，遮挡概率密度函数可写为公式(5)：p(x，z，θ)＝∠(x，z，θ，∑) (5)，

这里∠(·)是逻辑函数，它可以表示为公式(6)：

定义一个可见重化函数如公式(7)：

u＝[u(x，z，θ)]，(x，z，θ)∈R (7)，

其中，u(x，z，θ)＝1表示可见，u(x，z，θ)＝0表示不可见，那么给定一个相机参数c＝[(x，z，θ)]，(x，z，θ)∈R，相机位置和方向的可见度概率密度函数可以写为p(u|c)，在这种情况下，相机可见度的概率密度函数p(u|c)可以写为公式(8)：p(u|c)＝∠(x，z，θ，∑) (8)，

此外，根据条件概率密度函数性质，给定一个相机参数的情况下的遮挡概率函数可为公式(9)：

4)描述视觉遮挡随着相机的位置变量中的左右移动变量(x)的变化规律：视觉遮挡随着相机的位置变量中的左右移动变量(x)的变化规律呈现近似高斯函数，即：给定一个存在遮挡的场景，被遮挡的物体长度是L2，遮挡物体的长度是L1，观察位置到车的距离是d1、到墙的距离是d2，那么遮挡的评分大小可写为公式(10)：这里，G1是被遮挡物体表面几何形状，G2是遮挡物体表面几何形状，O(x，z，θ)是遮挡计算函数，表达式为公式(11)：这里Δd＝d2-d1，当相机移到物体中心x＝x0，以及相机方向没有旋转θ＝0的时候，遮挡评分是最大的，即如公式(12)所示：这个情况下，遮挡是最大的 ，那么遮挡概率函数如公式(13)所示：最后，给定一个相机的位置和方向都发生变化的时候，遮挡评分和隐含层之间的联合概率如公式(14)所示：两层之间的权重参数更新，即lth隐含层和(l+1)th隐含层之间的计算如下如公式(15)、(16)和(17)所示：p(uL_1，uL，s(x，zopt，θ)L)＝exp(uL-1TWL-1uL+(sL-1(x，zopt，θ))TuL-1) (17)，采用公式(15)、(16)和(17)的迭代运算，可以更新两层之间权重和遮挡评分参数。