北理工开发5G无人配送车,支持人脸识别和体温检测,已部署中关村校区
云栖号资讯:【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!
疫情在全球传播的速度仍未停止,不少地方开始封城,甚至封国,大学也纷纷跟进,封锁校园防止病毒进一步的感染。
目前,从传播上看,病毒在国内得到了初步控制,这也带动了新的一波无人技术发展。
根据新华社消息,本周,北京理工大学在中关村校区内部署了一款全新的无人配送车。
这款5G“云控”防疫监测无人配送车由北京理工大学与酷黑科技联合研制,据了解,该无人配送车可以对进入校园人员进行测温筛查,即使佩戴口罩也可以识别面部信息,同时,通过运用“云控”技术,无人配送车能够独立配送物资,实现无接触配送。
从图中可以看出,该车体积虽无法容纳一个成年人,但是大大小小的快递包裹还是不在话下。
在基本的投递模式下,无人配送车能够把包裹从上货地点运往目的地,抵达目的地之后,无人配送车顶部安装的摄像头会旋转着对收件人进行人脸识别,识别成功后,收件人才能打开任意一扇储物门取出包裹。
除此之外,摄像头还能够通过热力扫描对收件人进行温度测量。
在人为监控方面,无人配送车后部有一个很大的集成显示屏,停车后,保安可以远程进行人为的人脸和体温测量,不仅如此,通过5G蜂窝连接,保安还能实时看到无人车“看”到的东西。
这款5G无人配送车是酷黑科技开发的“KuGaea·坤”系列的一部分,目前,酷黑科技在北京300多英里的无人车测试道路上进行了测试,自驾版本已经通过了百度Apollo自主开放汽车平台的认证。
北京理工大学的无人配送车并不是国内首次将新技术用于冠状病毒相关的筛查和安全保障。
3月初,美团无人车先后落地顺义和海淀,主要针对于龙湾别墅等两三个小区、玉泉慧谷旗下多个园区,路程约为四五公里,无人配送的订单量占到了小区订单50%以上。
疫情之下,越来越多的企业和高校都参与到无人接触领域的技术研发,无人接触技术或再迎来一次发展小高峰。
相关报道:
https://venturebeat.com/2020/04/06/robotic-5g-car-can-id-faces-check-for-fevers-and-make-deliveries/
https://xhpfmapi.zhongguowangshi.com/vh512/share/9013714?channel=weixin&from=timeline&isappinstalled=0
http://www.bit.edu.cn/xww/gbmtlg/mtbl/184447.htm
【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
阿里云开放搜索(OpenSearch) VS 阿里云ElasticSearch
具体区别如下: 开放搜索是阿里云自主研发,可以实现界面化的操作测试以及配置数据同步,最大的亮点可以实现对接阿里云RDS数据库进行自动同步的功能,减少了用户自己实现业务数据实时上传的操作,另外也支持和ODPS进行全量同步。搭建搜索引擎过程主要通过界面操作即可完成,相对比较简单。 更多特色可以参考官方文档,点击这里进入开放搜索官方文档 阿里云Elasticsearch是开源主流搜索引擎,目前不仅可以作为搜索,也可以作为实时查询用,和开源组件结合比较好,有丰富的插件可以使用等。比如ELK这个组合,以及可以对接开源组件hadoop等。购买阿里云Elasticsearch实例后,可以根据您的具体业务需求,来定制合适的参数配置。会涉及一些命令的操作,适用于对Elasticsearch有一定基础或了解的用户使用。 更多特色可以参考官方文档,点击这里进入阿里云ElasticSearch官方文档 阿里云ES和开放搜索,都可以用作搜索,取决于自己具体业务场景,以及期望的操作简易程度。 如果用户业务数据主要在阿里云RDS上,并且期望搭建过程尽可能简单快速,您可以考虑使用开放搜索。如果用户对应业务数据主要依赖...
- 下一篇
AI无间道!清华AI团队推出AI安全平台,欺骗顶尖人脸算法后又强势修复漏洞
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! 随着人工智能技术的发展,人工智能在很多场景里正逐渐替代或协作着人类的各种劳动,它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中,机器视觉作为AI时代的基础技术,其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而,这些主流应用场景的背后,往往也藏着由技术性缺陷导致的算法安全风险。 例如,在一些训练数据无法覆盖到的极端场景中,自动驾驶汽车可能出现匪夷所思的决策,导致乘车人安全风险。从2016年至今,Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用,发起“对抗样本攻击”,去年7月,百度等研究机构就曾经通过3D打印,能让自动驾驶“无视”的障碍物,使车辆有发生撞击的风险,同样威胁行驶安全。 之所以能攻击成功,主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”),就能导致很大的算法误差。此外,随着AI的进一步发展,将算法模型运用于更多类似金...
相关文章
文章评论
共有0条评论来说两句吧...