在HCPN(Hierarchical Colored Petri Net)理论研究与应用分析工作基础上,结合某供应链企业的仓储作业系统,采用出库优先的调度策略,分层构建该系统的全局HCPN模型。利用CPN(Colored Petri Net)Tools对系统模型各子CPN系统进行图形化描...在HCPN(Hierarchical Colored Petri Net)理论研究与应用分析工作基础上,结合某供应链企业的仓储作业系统,采用出库优先的调度策略,分层构建该系统的全局HCPN模型。利用CPN(Colored Petri Net)Tools对系统模型各子CPN系统进行图形化描述、协同运行仿真和分析,运用状态空间工具分析了系统模型的有界性、家性、活性和公平性等性质,验证了系统HCPN模型的正确性、可靠性和健壮性。HCPN在仓储作业系统建模仿真中的应用,为大规模复杂系统建模提供了一种新思路、新方法,具有重要的理论价值和实践意义。展开更多
目的 传统视觉场景识别(visual place recognition,VPR)算法的性能依赖光学图像的成像质量,因此高速和高动态范围场景导致的图像质量下降会进一步影响视觉场景识别算法的性能。针对此问题,提出一种融合事件相机的视觉场景识别算法,利用...目的 传统视觉场景识别(visual place recognition,VPR)算法的性能依赖光学图像的成像质量,因此高速和高动态范围场景导致的图像质量下降会进一步影响视觉场景识别算法的性能。针对此问题,提出一种融合事件相机的视觉场景识别算法,利用事件相机的低延时和高动态范围的特性,提升视觉场景识别算法在高速和高动态范围等极端场景下的识别性能。方法 本文提出的方法首先使用图像特征提取模块提取质量良好的参考图像的特征,然后使用多模态特征融合模块提取查询图像及其曝光区间事件信息的多模态融合特征,最后通过特征匹配查找与查询图像最相似的参考图像。结果 在MVSEC(multi-vehicle stereo event camera dataset)和RobotCar两个数据集上的实验表明,本文方法对比现有视觉场景识别算法在高速和高动态范围场景下具有明显优势。在高速高动态范围场景下,本文方法在MVSEC数据集上相较对比算法最优值在召回率与精度上分别提升5.39%和8.55%,在RobotCar数据集上相较对比算法最优值在召回率与精度上分别提升3.36%与4.41%。结论 本文提出了融合事件相机的视觉场景识别算法,利用了事件相机在高速和高动态范围场景的成像优势,有效提升了视觉场景识别算法在高速和高动态范围场景下的场景识别性能。展开更多
文摘在HCPN(Hierarchical Colored Petri Net)理论研究与应用分析工作基础上,结合某供应链企业的仓储作业系统,采用出库优先的调度策略,分层构建该系统的全局HCPN模型。利用CPN(Colored Petri Net)Tools对系统模型各子CPN系统进行图形化描述、协同运行仿真和分析,运用状态空间工具分析了系统模型的有界性、家性、活性和公平性等性质,验证了系统HCPN模型的正确性、可靠性和健壮性。HCPN在仓储作业系统建模仿真中的应用,为大规模复杂系统建模提供了一种新思路、新方法,具有重要的理论价值和实践意义。