問題的答案無所不包論文書籍站
國立高雄科技大學 行銷與流通管理系 簡施儀所指導 楊若渝的 探討不同揀貨配置對成本之影響-以全台物流為例 （2021），提出二霖agv關鍵因素是什麼，來自於物流中心、運營成本、儲位指派、揀貨配置。
而第二篇論文國立臺北科技大學 資訊工程系 陳彥霖所指導 曾冠偉的 基於RGB-D影像跨特徵融合方法之3D物件辨識應用於自主型移動機器人避障系統 （2021），提出因為有 深度學習、跨模型特徵、3D物件辨識、自主型移動機器人的重點而找出了 二霖agv的解答。
探討不同揀貨配置對成本之影響-以全台物流為例
為了解決二霖agv 的問題，作者楊若渝 這樣論述：
物流中心所包含的內部作業中，揀貨作業最為重要且繁複，從商品儲位編列到作業環境配置，皆會使整體作業成本產生變動，進而影響企業運營；因此，本研究旨在探討如何有效改善揀貨配置，以降低物流中心作業成本，以及提高整體效益。本研究以台灣地區物流頂尖業者為個案研究對象，進行實務研究，並執行兩階段實驗模擬，以動線配置、人力配置及儲位指派等因素，來探討在不同揀貨配置情境下，作業成本及整體效益將會產生何種變化；並驗證在儲位指派時，以商品裝載容器之尺寸及商品重量為主要考量的因素之一，最終藉由模擬分析結果，歸納出最佳揀貨配置與策略。藉由本研究之分析結果顯示，不佳的揀貨配置和儲位指派，將會導致無謂的成本耗費及增加人員
勞務；因此，企業因動態調整作業配置及策略，以利公司運營順利並長期獲利；最終，期望本研究能作為物流相關企業日後管理之參考依據。
基於RGB-D影像跨特徵融合方法之3D物件辨識應用於自主型移動機器人避障系統
為了解決二霖agv 的問題，作者曾冠偉 這樣論述：
摘 要 iABSTRACT ii致謝 iii目錄 iv表目錄 vi圖目錄 vii 第一章 緒論 11.1 研究背景與動機 11.2 研究目的 31.3 論文架構 4 第二章 文獻回顧 52.1 導航與避障方法 52.1.1 Navigation2 system 52.2 純RGB影像3D物件辨識 62.2.1 CaDDN 62.3 2D物件辨識模型 72.3.1 YOLO v4 72.3.2 Scaled-YOLOv4 102.4 Point base 深度資訊處理方法 112.4.1 PointNet 112.4.2 PointNet++ 132.
4.3 Frustum PointNet 162.5 Voxel base 深度資訊處理方法 172.5.1 VoxelNet 182.6 Other base 深度資訊處理方法 192.6.1 Point-GNN 202.6.2 PVCNN 222.6.3 HDFNet 252.6.4 DCMF 26 第三章 研究方法 323.1 系統架構 323.2 前處理 333.3 3D物件資訊提取 343.3.1 前景背景分割 343.3.2 3D框計算 373.4 地圖維護 393.4.1 座標視角轉換 403.4.2 地圖更新 413.5 關聯障礙物 42 第
四章 實驗結果與分析 454.1 實驗設備與環境 454.2 資料集 484.3 實驗數據與結果分析 504.3.1 KITTI資料集分析 504.3.2 自選實驗場域資料 51 第五章 結論與未來工作 595.1 結論 595.2 未來工作 59參考文獻 61