利用双神经网络的相机标定方法

计算机视觉中,摄像机标定作为摄像测量技术的前提,是必不可少的一个环节。针对目前基于神经网络的相机标定方法训练精度不够高的问题,提出了一种基于双神经网络的相机标定方法。该方法从成像模型出发,推导出相机坐标Z_(c)是世界坐标Z_(w)和像素坐标u,v的函数,在考虑了Z_(c)的变化的基础上,将成像模型简化成两个函数关系式,使用两个神经网络进行标定,分化了单个神经网络的任务量的同时又充分遵循了成像模型。实验结果表明,较其余基于神经网络的相机标定方法,该方法提高了相机标定的精度,在400 mm×300 mm标定范围内平均标定误差为0.178 6 mm,验证了所提方法的可行性和有效性。

随机需求和收益共享契约约束下的供应链协调问题研究

文章基于Stackelberg非合作博弈理论,研究了随机需求(SD)和收益共享(RS)共同影响下的供应链协调问题。分别构建了单周期报童SD约束下的分散式供应链(DSC)和集中式供应链(ISC)决策模型,对DSC采用RS契约协调并用数值模拟分析了相关结果。结果显示,若零售价给定,整体最优收益DSC<ISC,收益共享供应链(RSC)收益可达到ISC收益;随着订购量的增大,DSC和RSC零售商利润均先增加后减少,DSC制造商利润增加,但RSC制造商利润先增加后减少。单位过剩成本、单位零售成本对DSC及RSC订购量具有负向影响,零售价和单位缺货成本则对DSC及RSC订购量具有正向影响。

面向多视图的数字孪生制造单元数据集成与服务方法

传统车间在数据集成与服务方面存在智能化程度低、存储介质和生产介质单一的问题,为了解决这些问题,以数字孪生制造单元为研究对象,提出了面向多视图的数据集成与服务方法。首先,基于开放性生产控制和统一架构信息模型,构建了模型与数据实体之间的映射关系,并通过自组织的数据存储方法实现了制造单元的数据集成。其次,设计了面向多视图应用的表述性状态转移数据服务方法。最后,以数字孪生制造单元中具体的生产应用为案例,验证了所提方法具有更少的数据服务耗时和网络请求次数,可以有效提升数据集成的实时性。