Entwicklung eines berührungslosen und markierungsfreien Messverfahrens zur Erfassung bewegter Rotorblätter von Windkraftanlagen im Labor- und Feldversuch
2014-2023
Artikel und Bücher
Alle
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
Wichmann, Andreas (2018):
Grammar-Guided Reconstruction of Semantic 3D Building Models From Airborne LiDAR Data Using Half-Space Modeling. DGK-Reihe C
, doi: http://dx.doi.org/10.14279/depositonce-6803 , Weblink
Conen, N.; Hastedt, H.; Kahmen, O.; Luhmann, T. (2018):
Improving Image Matching by Reducing Surface Reflections using Polarising Filter Techniques. ISPRS International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XLII-2, pp. 267-274
, doi: 10.5194/isprs-archives-XLII-2-267-2018
Elliot, S.A.M.; Guérin, L.; Pesch, R.; Schmitt, P.; Meakins, B.; Vina-Herbon, C.; González-Irustad, J. M.; de la Torriente, A.; Serrano, A. (2018):
Integrating benthic habitat indicators: Working towards an ecosystem approach. Marine Policy, 90, 88-94
, doi: doi.org/10.1016/j.marpol.2018.01.003 , Weblink
Rofallski, R.; Kahmen, O.; Conen, N.; Luhmann, T. (2018):
Komplexe Freiformerfassung am Beispiel einer großen freischwebenden Seifenblase. Photogrammetrie – Laserscanning – Optische 3D-Messtechnik, Beiträge der Oldenburger 3D-Tage 2018, Wichmann, Berlin, ISBN 978-3-87907-643-7 (Buch), 978-3-87907-644-4 (E-Book), pp. 77-86
Werner, T.; Brinkhoff, T. (2018):
Managing Spatio-Temporal Data Streams on AUVs. Proceedings of the IEEE/OES Autonomous Underwater Vehicles Workshop (AUV), Porto, Portugal
, doi: 10.1109/AUV.2018.8729817
Vorträge
Luhmann, T.
:
Fundamentals of camera calibration and image orientation.
UAV-Conference, Intergeo 2024, Stuttgart,
September 2024
Ghavimi, A.
:
Digital Mapping the Social Memory for a Sustainable Transformation of Settlements: A Participatory GIS Approach.
City Transitions: Society and the Spatial and Temporal Dimensions of Change,
September 2024
Fincken, M.
:
Machine Learning für flächendeckende Geothermie-Potentialanalysen im Kontext der geodatenbasierten Wärmeleitplanung.
Künstliche Intelligenz in der Geodäsie und Geoinformation, BILDUNGSWERK VDV, Paderborn,
Juni 2024
Nietiedt, S.
:
Occlusion handling in spatio-temporal object-based image sequence matching.
ISPRS TC II Mid-term Symposium, Las Vegas, Nevada, USA,
Juni 2024
doi: https://doi.org/10.5194/isprs-annals-X-2-2024-163-2024
Projekte
Gefördert durch: Jade2Pro-Promotionsprogramm
Das Promotionsvorhaben zielt auf die Entwicklung eines innovativen Ansatzes zur berührungslosen und markierungsfreien Erfassung der dynamischen Zustände von Rotorblättern im laufenden Betrieb, also ohne Stillstand der Anlage. mehr
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Martina Göring, M.Sc. (10.2014-07.2023)
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Martina Göring, M.Sc. (10.2014-07.2023)
Unterwasser-Robotik
2014-2015
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Jurij Schmik, M.Sc. (08.2014-02.2015)
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Jurij Schmik, M.Sc. (08.2014-02.2015)
Gefördert durch: Jade2Pro-Promotionsprogramm
Im Rahmen dieses Promotionsvorhabens wurde eine Architektur für die Beobachtung kontinuierlicher Prozesse über Sensor-Datenströmen konzipiert. Ein besondere Fokus lag auf der Nutzung von Methoden der Geostatistik. mehr
Abschlussarbeiten
Ermittlung einer durchgängigen WLAN-Versorgung in einem Innenstadtbereich mit Hilfe einer GIS-Analyse (2023/1)
Automatisierte Ableitung der Verfahrensgrenze im Vorverfahren einer Flurbereinigung nach Abwägung der agrarstrukturellen und topografischen Gegebenheiten (2023/1)
Kooperationspartner
Optimierung der Planwunschgespräche – Vereinheitlichung, automatisiere Verarbeitung der Planwunschprotokolle sowie dessen Visualisierung (2023/1)
Kooperationspartner
Feldraine als Standorte für Photovoltaikanlagen - Ein geodatenbasiertes Bewertungsverfahren für die Region Nordwest Niedersachsen (2023/1)
Konzeption und Implementierung von Deep Reinforcement Learning zur Raumkonditionierung von Bestandsgebäuden (2023/1)