Inloggen

Login
 
Wachtwoord vergeten?

TomTom Juuni 2017

Volgen
 
Klik hier om dit forumtopic te volgen en automatisch op de hoogte gehouden te worden bij nieuwe berichten.
3.395 Posts, Pagina: « 1 2 3 4 5 6 ... 85 86 87 88 89 90 91 92 93 94 95 ... 166 167 168 169 170 » | Laatste
Aantal posts per pagina:  20 50 100 | Omlaag ↓
PentaGoNix
0
quote:

TromDom schreef op 16 jun 2017 om 10:21:


[...]

Is de week al om dan????
En denk jij dat TT vandaag 6% gaat stijgen? Pfff, keep on dreaming ....
Jejo303
1
@ PAT (Jelle)

Jij verwachte toch snel een bericht over Opel en Renault, na je gesprek met AFM/VEB! Gaat dit nog gebeuren of worden wij ook door hun aan het lijntje gehouden?
holenbeer
0
quote:

Roofer schreef op 16 jun 2017 om 09:59:


[...]

Over een tijdje in de rvc van TT dus?

Ik heb een maand geleden veel aandelen verkocht omdat ik bang was voor een tikje. Vind het nu lastig om weer een instapmoment te kiezen. Gevoelsmatig kan het nog veel lager, maar wil de boot ook niet missen. Wat is een goede strategie?

Gestaffeld kopen, of gestaffeld puts schrijven, ook gestaffeld in de tijd, dan koop je gestaffeld met korting. Of je ontvangt de premie gratis van het deeltje van de staffel dat niet aangetikt is, omdat de koers intussen bodemde en weer omhoog gaat.
[verwijderd]
0
quote:

tepper schreef op 16 jun 2017 om 11:21:


Milliardeninvestition:
Bosch plant Chip-Fabrik in Dresden

www.automobilwoche.de/article/2017061...

Zoveelste signaal dat Bosch orders aan het opschrijven is. Ik neem aan dat dit soort projecten niet als "blinde gok" gestart wordt.
holenbeer
0
quote:

holenbeer schreef op 16 jun 2017 om 11:43:


[...]
Gestaffeld kopen, of gestaffeld puts schrijven, ook gestaffeld in de tijd, dan koop je gestaffeld met korting. Of je ontvangt de premie gratis van het deeltje van de staffel dat niet aangetikt is, omdat de koers intussen bodemde en weer omhoog gaat.


Voorbeeld: stel je wilt er 1000 voor 8,50 = 8500 euro. Die kan je misschien kopen als de koers zakt. Misschien ook nooit meer.

Je kan ook 10 puts sept 8,50 verkopen, die doen nu ca. 50 cent. Daar krijg je 500 euro voor.
Staat de koers 3e week september lager dan 8,5, dan koop je ze voor 8,5 (wat je toch al wou) en heb je gratis die 500. Dus netto koop je ze voor 8 euro.
Staat de koers 3e week sept 8,5 of hoger, lopen ze waardeloos af, heb je 500 euro verdiend.

Stijgt de koers tussen nu en september hard, dan worden ze snel minder waard en kan je ze tussentijds terugkopen voor bv. 250, heb je 250 bruto winst.

Het meest negatieve scenario is, net als met aandelen, dat de koers tussen nu en september hard naar beneden gaat en dat je ze eigenlijk niet meer voor 8,5 wil hebben.
Voordeel: gelukkig had je ze nog niet alle 1000 gekocht, want dan stond je al op verlies
Ook op je puts sta je dan op verlies, dus dan moet je beslissen: verlies nemen of afwachten.
Verlies nemen kan je compenseren door dan opnieuw puts te schrijven op een lagere strike. Je hebt dan opnieuw premie en de kans de aandelen nog goedkoper te kopen. Maar ook dan kan opnieuw dit slechtste scenario zich afspelen.

Maar goed, als je sowieso al van plan bent aandelen te kopen, doe je dat niet omdat je denkt dat het slechtste scenario staat te gebeuren. Dus pust schrijven is dan een manier om net wat meer rendement uit hetzelfde scenario te halen. 500 op 8500 is toch bijna 6 %.
[verwijderd]
3

als ik het me goed herinner heeft Bosch gezegd dat ze de komende jaren 6 miljard euro beschikbaar hebben voor R&D
een deal met de Founders voor de kaarten en een co-investering met een chipfabrikant en Bosch heeft zich prima gepositioneerd in de sector, jammer dat ze niet aan de Beurs staan.

maar ja de één staat niet aan de beurs en de ander voor de grote ontwikkeling er dadelijk vanaf ..... en WIJ ( voor ons ook een plekkie binnen t Bosch-festijn later ?... wel neen , jullie even niet - " we stonden erbij en keken ernaar ".

Ome John, wakker blijven, hé - ben nog immer een trouwe volger van je op PostNL en ook hier met TT, laat dat TMG nou maar lopen en dubbel-op in TT
Hik
3
quote:

Chameleon schreef op 16 jun 2017 om 11:52:


@Hik, heb jij dit octrooi al eens bestudeerd:

patentscope.wipo.int/search/en/detail...


Ik zag het wel toen ik op zoek was naar het BoschRRS patent eerder deze week. Helaas kan ik die plaatjes niet groter maken en zie ik weinig details.
Dit patent lijkt me een uitbreiding op RoadDNA met als aanvulling:
- inwinning van data via camera's (met name road-surface dat ook als extra bron met Lidar wordt gescand)
- combinatie met radio bronnen, niet zijnde Lidar. Dan denk ik dus aan Radar.

Het zou kunnen betekenen dat dit een voorstel is tot het completeren van RoadDNA niet alleen op basis van Lidar (en camera), maar met een Radar (BoschRRS) toevoeging.
Eigenlijk volgt het patent het statement van TomTom dat Bosch RRS een aanvulling zou (kunnen) zijn op RoadDNA.
Hierin wordt dat niet alleen beschreven, sterker nog, ze halen ook maar gelijk Camera erbij (Autonomos?).

----------------------------
Figure 24 depicts an exemplary system in accordance with embodiments of the invention in which data collected by one or more vehicle sensors: laser; camera; and radar, is used to generate an "actual footprint" of the environment as seen by the vehicle. The "actual footprint" is compared, i.e. correlated, to a corresponding "reference footprint" that is determined from reference data associated with a digital map, wherein the reference data includes at least a distance channel, and may include a laser reflectivity channel and/or a radar reflectivity channel, as is discussed above. Through this correlation, the position of the vehicle can be accurately determined relative to the digital map.

In a first example use case, as depicted in Figure 25A, an actual footprint is determined from a laser-based range sensor, e.g. LIDAR sensor, in the vehicle and correlated to a reference footprint determined from data in the distance channel of the reference data, so as to achieve continuous positioning of the vehicle. A first approach is shown in Figure 25B in which the laser point cloud as determined by the laser-based range sensor is converted into a depth map of the same format as the reference data, and the two depth map images are compared. A second, alternative approach is shown in Figure 25C in which a laser point cloud is reconstructed from the reference data, and this reconstructed point cloud compared to the laser point cloud as seen by the vehicle.

In a second example use case, as depicted in Figure 26A, an actual footprint is determined from a camera in the vehicle and correlated to a reference footprint determined from data in the distance channel of the reference data, so as to achieve continuous positioning of the vehicle, although only during the day. In other words, in this example use case a reference depth map is used to construct a 3D point cloud or view that is then compared to a 3D scene or view obtained from multiple vehicle cameras or a single vehicle camera. A first approach is shown in Figure 26B in which stereo vehicle cameras are used to build a disparity based 3D model, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map. A second approach is shown in Figure 26C in which a sequence of vehicle camera images is used to construct a 3D scene, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map. Finally, a third approach is shown in Figure 25D in which a vehicle camera image is compared with a view created from the 3D point cloud constructed from the reference depth map.

In a third example use case, as depicted in Figure 27A, is a modification to the second example use case wherein laser reflectivity data of the reference data, which is in a channel of the depth map, can be used to construct a 3D point cloud or view that may be compared to a 3D point cloud or view based on images captured by one or more cameras. A first approach is shown in Figure 27B, wherein a sequence of vehicle camera images is used to construct a 3D scene, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map (using both the distance and laser reflectivity channels). A second approach is shown in Figure 27C in which a vehicle camera image is compared with a view created from the 3D point cloud constructed from the reference depth map (again using both the distance and laser reflectivity channels).

In a fourth example use case, as depicted in Figure 28A, an actual footprint is determined from a radar-based range sensor in the vehicle and correlated to a reference footprint determined from data in the distance and radar reflectivity channels of the reference data, so as to achieve sparse positioning of the vehicle. A first approach is shown in Figure 28B, wherein reference data is used to reconstruct a 3D scene and data in the radar reflectivity channel is used to leave only the radar-reflective points. This 3D scene is then correlated with the radar point cloud as seen by the car.

It will of course be understood that the various use cases could be used together, i.e. fused, to allow for a more precise localisation of the vehicle relative to the digital map.
Chameleon
0
quote:

Hik schreef op 16 jun 2017 om 12:47:


[...]

Ik zag het wel toen ik op zoek was naar het BoschRRS patent eerder deze week. Helaas kan ik die plaatjes niet groter maken en zie ik weinig details.
Dit patent lijkt me een uitbreiding op RoadDNA met als aanvulling:
- inwinning van data via camera's (met name road-surface dat ook als extra bron met Lidar wordt gescand)
- combinatie met radio bronnen, niet zijnde Lidar. Dan denk ik dus aan Radar.

Het zou kunnen betekenen dat dit een voorstel is tot het completeren van RoadDNA niet alleen op basis van Lidar (en camera), maar met een Radar (BoschRRS) toevoeging.
Eigenlijk volgt het patent het statement van TomTom dat Bosch RRS een aanvulling zou (kunnen) zijn op RoadDNA.
Hierin wordt dat niet alleen beschreven, sterker nog, ze halen ook maar gelijk Camera erbij (Autonomos?).

----------------------------
Figure 24 depicts an exemplary system in accordance with embodiments of the invention in which data collected by one or more vehicle sensors: laser; camera; and radar, is used to generate an "actual footprint" of the environment as seen by the vehicle. The "actual footprint" is compared, i.e. correlated, to a corresponding "reference footprint" that is determined from reference data associated with a digital map, wherein the reference data includes at least a distance channel, and may include a laser reflectivity channel and/or a radar reflectivity channel, as is discussed above. Through this correlation, the position of the vehicle can be accurately determined relative to the digital map.

In a first example use case, as depicted in Figure 25A, an actual footprint is determined from a laser-based range sensor, e.g. LIDAR sensor, in the vehicle and correlated to a reference footprint determined from data in the distance channel of the reference data, so as to achieve continuous positioning of the vehicle. A first approach is shown in Figure 25B in which the laser point cloud as determined by the laser-based range sensor is converted into a depth map of the same format as the reference data, and the two depth map images are compared. A second, alternative approach is shown in Figure 25C in which a laser point cloud is reconstructed from the reference data, and this reconstructed point cloud compared to the laser point cloud as seen by the vehicle.

In a second example use case, as depicted in Figure 26A, an actual footprint is determined from a camera in the vehicle and correlated to a reference footprint determined from data in the distance channel of the reference data, so as to achieve continuous positioning of the vehicle, although only during the day. In other words, in this example use case a reference depth map is used to construct a 3D point cloud or view that is then compared to a 3D scene or view obtained from multiple vehicle cameras or a single vehicle camera. A first approach is shown in Figure 26B in which stereo vehicle cameras are used to build a disparity based 3D model, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map. A second approach is shown in Figure 26C in which a sequence of vehicle camera images is used to construct a 3D scene, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map. Finally, a third approach is shown in Figure 25D in which a vehicle camera image is compared with a view created from the 3D point cloud constructed from the reference depth map.

In a third example use case, as depicted in Figure 27A, is a modification to the second example use case wherein laser reflectivity data of the reference data, which is in a channel of the depth map, can be used to construct a 3D point cloud or view that may be compared to a 3D point cloud or view based on images captured by one or more cameras. A first approach is shown in Figure 27B, wherein a sequence of vehicle camera images is used to construct a 3D scene, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map (using both the distance and laser reflectivity channels). A second approach is shown in Figure 27C in which a vehicle camera image is compared with a view created from the 3D point cloud constructed from the reference depth map (again using both the distance and laser reflectivity channels).

In a fourth example use case, as depicted in Figure 28A, an actual footprint is determined from a radar-based range sensor in the vehicle and correlated to a reference footprint determined from data in the distance and radar reflectivity channels of the reference data, so as to achieve sparse positioning of the vehicle. A first approach is shown in Figure 28B, wherein reference data is used to reconstruct a 3D scene and data in the radar reflectivity channel is used to leave only the radar-reflective points. This 3D scene is then correlated with the radar point cloud as seen by the car.

It will of course be understood that the various use cases could be used together, i.e. fused, to allow for a more precise localisation of the vehicle relative to the digital map.



Zo lees ik het ook. Het is eigenlijk een alomvattend roaddna waarbij de prior map nog steeds primair met lidar wordt gemaakt maar de locatiebepaling op basis van lidar, radar óf camera plaats kan vinden en daarmee onder alle omstandigheden.

Vraag me af om je om deze octrooien heen kunt als je RSS wil gebruiken (inclusief compressie).
mjmj
0
quote:

tepper schreef op 16 jun 2017 om 11:21:


Milliardeninvestition:
Bosch plant Chip-Fabrik in Dresden

www.automobilwoche.de/article/2017061...



Heeft iemand een idee wat voor chips hier geproduceerd gaan worden met wat voor toepassingen? En waarom Bosch daar zelf een fabriek voor neerzet en deze niet door derden laat produceren?
Hik
0
quote:

mjmj schreef op 16 jun 2017 om 13:28:


[...]


Heeft iemand een idee wat voor chips hier geproduceerd gaan worden met wat voor toepassingen? En waarom Bosch daar zelf een fabriek voor neerzet en deze niet door derden laat produceren?


Misschien in het kader van de Nvidia coalitie?
www.thedrive.com/tech/8356/bosch-nvid...
----------------
In order to make that happen, the Bosch system will be based on the Nvidia Drive PX technology already installed on Tesla vehicles, but will also utilize Nvidia's upcoming "Xavier" AI system-on-chip, which is "capable of 20 trillion operations per second while drawing just 20 watts of power, meaning the Bosch car computer should be smaller and cheaper than Nvidia's current Drive PX 2 unit," according to Ars Technica.

Bosch announced that production of the unit wouldn't begin until "the beginning of the next decade."
----------------

Of de nieuwe Radar voor RRS?
Hik
0
quote:

Chameleon schreef op 16 jun 2017 om 13:42:


Ps, octrooi is al in april 2015 ingediend dus ruim voor autonomous (en rem...)


Kennelijk toch geactualiseerd:
Publication Date: 09.02.2017 International Filing Date: 03.08.2016
Chameleon
0
quote:

Hik schreef op 16 jun 2017 om 13:46:


[...]

Kennelijk toch geactualiseerd:
Publication Date: 09.02.2017 International Filing Date: 03.08.2016


Zag het, had mijn post al weggehaald, mijn 2015 klopte niet. Er is in maart 2017 nog een Tt octrooi gepublicerd met een aanvulling op het roaddna octrooi, deze is van 2015.
Stille vennoot
0
Helemaal geen update van ABN ? Kepler ? Of mogen ze nog even niets zeggen...wacht maar even met uw rapport ...er komt nog iets aan de komende dagen ?

Of geven ze nooit meteen de dag erop een update ? Misschien moeten ze wel heeeeel veeel opnieuw doorrekenen ? Met excell ? blijft lastig natuurlijk!
mjmj
0
quote:

Hik schreef op 16 jun 2017 om 13:44:


[...]

Misschien in het kader van de Nvidia coalitie?
www.thedrive.com/tech/8356/bosch-nvid...
----------------
In order to make that happen, the Bosch system will be based on the Nvidia Drive PX technology already installed on Tesla vehicles, but will also utilize Nvidia's upcoming "Xavier" AI system-on-chip, which is "capable of 20 trillion operations per second while drawing just 20 watts of power, meaning the Bosch car computer should be smaller and cheaper than Nvidia's current Drive PX 2 unit," according to Ars Technica.

Bosch announced that production of the unit wouldn't begin until "the beginning of the next decade."
----------------

Of de nieuwe Radar voor RRS?


Nvdia is zo goed als onverslaanbaar wat snelheid en design betreft lijkt me. Dus dat Bosch niet doen. Dus het moet iets aanpalends op die core-chip van Nvdia zijn.
bekeken
4
Op basis van de Europese autoverkopen , zoals die vanmorgen zijn gepubliceerd, kan berekend worden dat de Automotive sales bij TT in mei minimaal 40% hoger liggen dan een jaar geleden. Ik heb soortgelijke berekeningen gemaakt over de afgelopen kwartalen en die weken slechts in beperkte mate af van de gepubliceerde cijfers. In april zou de stijging ca 25% moeten zijn geweest, dus gemiddeld +33% over april en mei. De heren analisten gaan op dit moment uit van een stijging van 23% voor het tweede kwartaal op basis van de consensus.
mjmj
0
quote:

bekeken schreef op 16 jun 2017 om 14:26:


Op basis van de Europese autoverkopen , zoals die vanmorgen zijn gepubliceerd, kan berekend worden dat de Automotive sales bij TT in mei minimaal 40% hoger liggen dan een jaar geleden. Ik heb soortgelijke berekeningen gemaakt over de afgelopen kwartalen en die weken slechts in beperkte mate af van de gepubliceerde cijfers. In april zou de stijging ca 25% moeten zijn geweest, dus gemiddeld +33% over april en mei. De heren analisten gaan op dit moment uit van een stijging van 23% voor het tweede kwartaal op basis van de consensus.


AB. Kun je de berekening delen? Ik ben benieuwd.
Beperktedijkbewaking
0
quote:

Hik schreef op 16 jun 2017 om 12:47:


[...]

Ik zag het wel toen ik op zoek was naar het BoschRRS patent eerder deze week. Helaas kan ik die plaatjes niet groter maken en zie ik weinig details.
Dit patent lijkt me een uitbreiding op RoadDNA met als aanvulling:
- inwinning van data via camera's (met name road-surface dat ook als extra bron met Lidar wordt gescand)
- combinatie met radio bronnen, niet zijnde Lidar. Dan denk ik dus aan Radar.

Het zou kunnen betekenen dat dit een voorstel is tot het completeren van RoadDNA niet alleen op basis van Lidar (en camera), maar met een Radar (BoschRRS) toevoeging.
Eigenlijk volgt het patent het statement van TomTom dat Bosch RRS een aanvulling zou (kunnen) zijn op RoadDNA.
Hierin wordt dat niet alleen beschreven, sterker nog, ze halen ook maar gelijk Camera erbij (Autonomos?).

----------------------------
Figure 24 depicts an exemplary system in accordance with embodiments of the invention in which data collected by one or more vehicle sensors: laser; camera; and radar, is used to generate an "actual footprint" of the environment as seen by the vehicle. The "actual footprint" is compared, i.e. correlated, to a corresponding "reference footprint" that is determined from reference data associated with a digital map, wherein the reference data includes at least a distance channel, and may include a laser reflectivity channel and/or a radar reflectivity channel, as is discussed above. Through this correlation, the position of the vehicle can be accurately determined relative to the digital map.

In a first example use case, as depicted in Figure 25A, an actual footprint is determined from a laser-based range sensor, e.g. LIDAR sensor, in the vehicle and correlated to a reference footprint determined from data in the distance channel of the reference data, so as to achieve continuous positioning of the vehicle. A first approach is shown in Figure 25B in which the laser point cloud as determined by the laser-based range sensor is converted into a depth map of the same format as the reference data, and the two depth map images are compared. A second, alternative approach is shown in Figure 25C in which a laser point cloud is reconstructed from the reference data, and this reconstructed point cloud compared to the laser point cloud as seen by the vehicle.

In a second example use case, as depicted in Figure 26A, an actual footprint is determined from a camera in the vehicle and correlated to a reference footprint determined from data in the distance channel of the reference data, so as to achieve continuous positioning of the vehicle, although only during the day. In other words, in this example use case a reference depth map is used to construct a 3D point cloud or view that is then compared to a 3D scene or view obtained from multiple vehicle cameras or a single vehicle camera. A first approach is shown in Figure 26B in which stereo vehicle cameras are used to build a disparity based 3D model, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map. A second approach is shown in Figure 26C in which a sequence of vehicle camera images is used to construct a 3D scene, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map. Finally, a third approach is shown in Figure 25D in which a vehicle camera image is compared with a view created from the 3D point cloud constructed from the reference depth map.

In a third example use case, as depicted in Figure 27A, is a modification to the second example use case wherein laser reflectivity data of the reference data, which is in a channel of the depth map, can be used to construct a 3D point cloud or view that may be compared to a 3D point cloud or view based on images captured by one or more cameras. A first approach is shown in Figure 27B, wherein a sequence of vehicle camera images is used to construct a 3D scene, which is then used to construct a 3D point cloud for correlation with the 3D point cloud constructed from the reference depth map (using both the distance and laser reflectivity channels). A second approach is shown in Figure 27C in which a vehicle camera image is compared with a view created from the 3D point cloud constructed from the reference depth map (again using both the distance and laser reflectivity channels).

In a fourth example use case, as depicted in Figure 28A, an actual footprint is determined from a radar-based range sensor in the vehicle and correlated to a reference footprint determined from data in the distance and radar reflectivity channels of the reference data, so as to achieve sparse positioning of the vehicle. A first approach is shown in Figure 28B, wherein reference data is used to reconstruct a 3D scene and data in the radar reflectivity channel is used to leave only the radar-reflective points. This 3D scene is then correlated with the radar point cloud as seen by the car.

It will of course be understood that the various use cases could be used together, i.e. fused, to allow for a more precise localisation of the vehicle relative to the digital map.


Dat zei ik dus al, dat jouw 'zeer bekende filmpje' uit 2016 suggereerde het al.
TT doet ook aan stereocamera's!

And of course, TT gelooft in sensorfusion, zie de laatste zin hierboven. Zij zijn de enigen die daar de fabriek voor klaar hebben. Ready voor big data, en voor incremental updates.
3.395 Posts, Pagina: « 1 2 3 4 5 6 ... 85 86 87 88 89 90 91 92 93 94 95 ... 166 167 168 169 170 » | Laatste
Aantal posts per pagina:  20 50 100 | Omhoog ↑

Plaats een reactie

Meedoen aan de discussie?

Word nu gratis lid of log in met je emailadres en wachtwoord

Direct naar Forum

TomTom Meer »

Koers 10,090   Verschil +0,38 (+3,91%)
Laag 9,711   Volume 1.298.876
Hoog 10,210   Gem. Volume 782.139
17-okt-19 17:37
label premium

TomTom: Reality check

Het laatste advies leest u als IEX Premium-lid

Inloggen Ontdek Premium