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
Kravchenko, J.; Luhmann, T.; Schultz, R. (2016):
Concept and practice of teaching technical university students to modern technologies of 3D data acquisition and processing. A case study of close-range photogrammetry and terrestrial laserscanning. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLI-B6, 65-69
, doi: 10.5194/isprs-archives-XLI-B6-65-2016
, .; Wagner, M.; Kramer, O. (2016):
Constrained Evolutionary Wind Turbine Placement with Penalty Functions. Proceedings IEEE Congress on Evolutionary Computation, Vancouver, BC, Canada, 2016, 4903-4910
, doi: 10.1109/CEC.2016.7744419
Schüssler, F. (2016):
Elfenbeinküste. In: Gieler, W. (Hrsg.): Staatenlexikon Afrika. Geographie, Geschichte, Kultur, Politik und Wissenschaft. Schriftenreihe der Bundeszentrale für Politische Bildung, Band 1691, S. 139-149
Kahmen, O.; Luhmann, T. (2016):
Entwicklung einer großen Invardraht-Maßverkörperung zur Anwendung in der Industriephotogrammetrie. Publikationen der DGPF, Band 25, Bern, 538-544
Hastedt, H.; Ekkel, T.; Luhmann, T. (2016):
Evaluation of the quality of action cameras with wide-angle lenses in UAV photogrammetry. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLI-B1, 851-859
, doi: 10.5194/isprs-archives-XLI-B1-851-2016
Vorträge
Brinkhoff, T.
:
Auswertung von Fahrdaten aus digitalen Tachographen zur Visualisierung von Fahrtstrecken, eine neue Dimension der Weg/Zeit-Berechnung.
Fachtagung Klassische Forensik: Innovationen für die Kriminaltechnik, GPEC Leipzig,
Mai 2024
Pesch, R.
:
Geoinformationssysteme: Hintergründe und Anwendungen - Einführung im Rahmen der Digital-Werkstatt zu BIM und GIS Potenzialen.
Digital Werkstatt im Rahmen von buildingSMART Deutschland,
März 2024
Pesch, R.
:
Protect Baltic Stakeholder Conference - Introduction to Session on "Spatial Modelling" (WP3).
PROTECT BALTIC Stakeholder Conference, Espoo, Finnland,
Februar 2024
Ghavimi, A.
:
Geospatial Analysis Applications for Managing Uncertainties in Sustainable Development.
Französisch-deutsches Symposium in Tübingen: Gesellschaftliche Transformationen auf dem Weg zu einer Nachhaltigen Entwicklung Teil 3: Nachhaltige Entwicklung antizipieren und planen? – Zum konstruktiven Umgang mit Ungewissheit und Unsicherheit,
Februar 2024
Weblink
Fincken, M.
:
Machine Learning für flächendeckende Geothermie-Potentialanalysen im Kontext der geodatenbasierten Wärmeleitplanung.
36. Oldenburger Rohrleitungsforum,
Februar 2024
Projekte
2013-2018
Gefördert durch: Land Niedersachsen
Lehrmaterialien mobil auf TabletPC und Smartphone
2012-2013
In dem Projekt wurden Lösungen entwickelt, um webbasiert Vorlesungsskripte für unterschiedlichsten Endgeräte wie Tablets and Smartphones geeignet bereitstellen zu können.
Forschungsprofessur Luhmann
2012-2018
Gefördert durch: Niedersächsisches Vorab
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) (10.2016-03.2017) Robin Rofallski, M.Sc. (09.2016-01.2017) Dr. Jan Reznicek (01.2015-09.2016) Folkmar Bethmann, M.Sc. (10.2012-09.2015) Dr. Maria Chizhova (10.2016-09.2018)
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) (10.2016-03.2017) Robin Rofallski, M.Sc. (09.2016-01.2017) Dr. Jan Reznicek (01.2015-09.2016) Folkmar Bethmann, M.Sc. (10.2012-09.2015) Dr. Maria Chizhova (10.2016-09.2018)
Abschlussarbeiten
Konzeption und Entwicklung eines Verfahrens zur Anonymisierung von personenbezogenen und georeferenzierten Verbrauchsdaten im Kontext der kommunalen Wärmeplanung (2023/1)
Kooperationspartner
Spatiotemporal analysis of biodiversity in the North Sea (2022/11)
Kooperationspartner
Alfred-Wegener-Institut: Helmholtz-Zentrum für Polar- und Meeresforschung
Potenzialanalyse von Randflächen an Autobahnen für Windkraft- und Photovoltaikfreiflächenanlagen (2022/11)
Untersuchungen zur Erfassung von spiegelnden und transparenten Oberflächen aus Laserscan-Punktwolken (2022/10)
Bildbasierte Detektion von Rissen in Schweißverbindungen mit den Methoden des Deep Learnings (2022/10)