mini车f和r的区别_雪铁龙也造出了“老头乐”,外观复古时尚,叫板宏光MINI?...

雪铁龙ami微型电动车在国内亮相,尺寸比五菱宏光MINI更小,外观独特但性能相对较低。其续航里程仅为70km,最高时速45km/h,可能无法满足国内新能源车牌要求。考虑到其海外售价接近4万人民币,若国产,竞争力可能不及宏光MINI。
摘要由CSDN通过智能技术生成

前不久,雪铁龙刚刚在海外发布了全新微型电动车ami,让人意想不到的是,这辆个性的微型小车近日已经在国内亮相。随着国内微型电动车,尤其是五菱宏光MINI成为爆款之后,这种尺寸非常MINI的微型电动小车开始被重视起来,那么这次国内的亮相是否会意味着这辆雪铁龙ami会实现国产呢?

84052d93a5e93b70a39cafee6e7db6bd.png

相比五菱宏光MINI,这辆雪铁龙ami尺寸更小,外观看上去也更像国内的“老头乐”,不过在细节上这辆雪铁龙ami有着很多非常个性的设计,外观前后、左右几乎都是对称式的造型,零部件有着较高的前后、左右共享度,在营造出个性风格的同时在成本控制上也发挥到了极致。

96c7f6c394724dc33ac844ddb4f0dd1c.png

新车的前脸部分很容易让人想到曾经的那辆天津大发面包车,圆形的灯组,部分黑色装饰面板,很有复古的感觉,整体十分简洁。

57bc2b0ba9456daa4a13d5f4b087e21c.png

来到车身侧面这辆雪铁龙ami的造型就更为个性了,前后几乎完全对称的造型难以分清哪是车头哪是车尾,只能通过车尾后风挡外侧比前风挡多出的扰流版来区别前后。为了能够让两侧车门通用,这辆雪铁龙ami的两侧车门采用了相反的开启方向,后视镜因为是纯圆形的,因此也是可以两侧通用的。

227ae6a2e1bfe723da72912eb0be5442.png

对比前脸之后,可以发现车尾和前脸的差别除了后风挡多出的扰流板和尾灯是红色灯罩,另外一个不同就是风挡下侧带有车标的黑色装饰板,车头位置的黑色饰板是外凸的,车尾的是基本与车身平齐的,而除此之外的前后围板、前后杠都是一样的。

5ac4c174a622ad8ca0e4d04692d996ed.png

在车身尺寸方面,这辆雪铁龙ami的长宽高分别为2410/1390/1520mm,要比宏光MINI还要小很多,可以说是十分的MINI了,而凭借超小的尺寸,其转弯直径仅为7.2m,这也就意味着在城市里穿梭行驶会更加灵活方便。

d2013b22fae0daab353080dd15775dee.png

内饰部分,这辆雪铁龙ami的中控台设计极为简约简洁,除了为了实现功能性而做出的造型之外,几乎就没有多余的造型了。方向盘算是内饰部分造型最别致的了,但是和宏光MINI一样,这辆雪铁龙ami也没有提供气囊。

aee55c4a250dbeb7184555abd60e5624.png

液晶仪表盘的尺寸很小,显示的内容也是基本的车辆信息。整个中控台上只看到了三个按键,另外还有一个USB接口,甚至连收音机都没有。

376aa30c7bd7607a2651f5d9560e8cab.png

因为尺寸太小了,这辆雪铁龙ami只有两个座椅,而且两个座椅看上去更像是两个板凳,坐垫和靠背都非常单薄。

f3621f549a1d9f7397a8e71e94cf160d.png

动力部分,这辆雪铁龙ami采用了5.5kWh的锂离子电池,官方公布的续航里程仅为70km,最高时速只有45km/h,甚至不如一些两轮电瓶车。而这样的性能表现在国内是要属于低速电动车了,可能都没有上新能源牌照的资格,而且其海外版的售价折合人民币接近4万了,很显然,如果实现国产这样的综合表现是难以叫板宏光MINI的。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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: 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、算法类 基于深度学习的目标检测算法主要为两大类: 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