俄罗斯无人机公司Hoversrf紧随Volocopter步伐,酷炫“方程式”飞行汽车来袭

随着无人机在日常生活中的应用场景越来越多样化,有几家无人机公司也开始研制载客无人机扮演“空中出租车”的角色出现在欧美国家,如九月份在迪拜开始飞行测试的Volocopter。近日,俄罗斯初创科技公司Hoversrf也宣布启动Formula Project项目,打造以垂直起航的五座“飞行汽车”。

可容纳5人的“方程式”航速高达320Km/h

据雷锋网了解,这五辆飞行汽车名为Formula Project即“方程式”,将用于“空中交通服务”,可以理解为“飞的”。这款“方程式”飞行汽车采用折叠式双翼,配备52个小型涡轮文丘里推进装置、飞行计算机和混合动力发电机。“方程式”大小与小汽车相似,它可以停入普通的停车位,也可以就地起飞,能在普通充电站或者提供混合动力源的加油站补充能源。此外,这款飞行汽车还配备城市数字地图和GPS系统,会监控空中和路面车辆。

 俄罗斯无人机公司Hoversrf紧随Volocopter步伐,酷炫方程式飞行汽车来袭

Formula Project“方程式”飞行汽车在满电时可飞行多达450公里,最大航速为320Km/h,最多可容纳5名乘客。据研究人员表示,Formula Project原型机将于明年正式飞行。这系列飞行汽车价格约达97000美元。

英国邮报曾在报道中提到,这款飞行汽车有助实现“人人可飞行”、“没有堵车没有红绿灯”的梦想,让人们通勤更便捷。

Volocopter在迪拜进行为期5年飞行测试

在“飞行汽车”的研发制造方面,比俄罗斯公司Hoversrf先行一步的还有一家德国无人机开发公司——Volocopter。在今年9月下旬,由德国无人机公司Volocopter开发的这架无人驾驶“飞的”在阿联酋迪拜进行了一场载客无人机飞行测试。据雷锋网(公众号:雷锋网)了解,在这之前,迪拜道路与交通管理局(RTA)曾宣布从2017年第4季度开始对Volocopter进行为期5年的测试。

 俄罗斯无人机公司Hoversrf紧随Volocopter步伐,酷炫方程式飞行汽车来袭

Volocopter外观设计类似于小型的双座直升机舱,上面安置着18个螺旋桨。在飞行过程中,它不需要人们使用遥控器对其控制和指导。最长飞行时间为30分钟。值得我们关注的信息点是这款无人机的安全性。在遇到突发故障时,Volocopter无人机可紧急启动多项故障保护措施:备用电池、旋翼等,即使在最糟糕、危险的情况下,机上的若干个降落伞会自动打开并防止机身坠毁。

 俄罗斯无人机公司Hoversrf紧随Volocopter步伐,酷炫方程式飞行汽车来袭

Volocopter公司首席执行官Florian曾表示,“这架飞机已经能够按照GPS轨迹飞行,完全实现了感知能力操控,同时能够处理未知障碍。”他补充道,开发人员计划在5年内推出这一无人“飞的”服务。

俄罗斯无人机公司Hoversrf紧随Volocopter步伐,酷炫方程式飞行汽车来袭

雷锋网获悉,Volocopter在迪拜进行飞行测试,旨在使迪拜成为全球首个推出无人驾驶“飞的”服务的城市,进而确保阿联酋在阿拉伯世界继续引领创新。如今,俄罗斯初创科技公司Hoversrf也宣布研发Formula Project项目,由此可见,俄罗斯也会在不久之后推出“空中飞的”的服务,加速科技产品进入人们生活并为其带来便利的节奏。在不远未来,人们的出行方式即将迎来一场变革。



本文作者:欣彤Iris
本文转自雷锋网禁止二次转载, 原文链接
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值