Artikel und Bücher

Breyer, G.; Bartholomä, A.; Pesch, R.; (2023): The Suitability of Machine-Learning Algorithms for the Automatic Acoustic Seafloor Classification of Hard Substrate Habitats in the German Bight. Remote Sens. 2023, 15(16) , doi: https://doi.org/10.3390/rs15164113 , Weblink
Albers, S.; Engel, M.; Hülsewede, F.; Göring, M.; Luhmann, T. (2023): Untersuchungen zur KI-gestützten Materialklassifikation aus Punktwolken und Bilddaten. Allgemeine Vermessungs-Nachrichten, 1-2, 2023; S. 11-19.
Bethmann, F.; Luhmann, T. (2023): Verfahren zur rechnergestützten dreidimensionalen Rekonstruktion einer Oberfläche eines Objekts aus digitalen Bilddaten. Deutsche Patentschirft DE 10 2014 211 709
Seckiner, Dilan; Ebert, L.; Mallett, Xanthé; Berry, Rachel; Green, Hayley; Franckenberg, Sabine; Thali, Michael; Sieberth, T. (2022): A technical protocol for 3D observation and documentation of human decomposition. Australian Journal of Forensic Sciences , doi: https://doi.org/10.1080/00450618.2022.2146189
Nietiedt, S.; Wester, T.; Langidis, A.; Kröger, L.; Rofallski, R.; Göring, M.; Kühn, M.; Gülker, G.; Luhmann, T. (2022): A Wind Tunnel Setup for Fluid-Structure Interaction Measurements Using Optical Methods. Sensors 2022, 22(13), 5014 , doi: https://doi.org/10.3390/s22135014

Vorträge

Brinkhoff, T. : Mobile Tierartenerfassung mit Hilfe portabler WebApps. Kolloquium Lehreinheit Datenbanksysteme, Universität Marburg, August 2011
Knies, J. : Gebäudescharfe und kostengünstige kommunale Wärmebedarfsberechnung mit OpenSource-Software. AGIT, Salzburg, Juli 2011
Ratzke, H. : Berücksichtigung des Potentials für Solaranlagen im Rahmen der regionalen Planung. 8. X-border-GDI Projekt-Partner-Forum „Klima und Regenerative Energie“, Düsseldorf, Juli 2011
Luhmann, T. : Photogrammetric Examples in Structural Engineering. „Geodesic Support of Construction: Current State, Problems, Prospects for Further Development“, Universität Kiew, Ukraine, Juli 2011
Luhmann, T. : Research Projects of the Institute of Applied Photogrammetry and Geoinformatics. Technische Universität Donezk, Ukraine, Juli 2011

Projekte

Gefördert durch: Deutsche Bundesstiftung Umwelt (DBU)
Ziel des Projektes war die Entwicklung und Erprobung eines Systems von dezentralen mobilen Erfassungsgeräten und zentralen GIS-Anwendungen zur Steigerung von Qualität, Effizienz und Attraktivität der ehrenamtlichen Artenerfassung im Gelände. mehr
Personen
Prof. Dr. Thomas Brinkhoff (Leitung) Jan Loesbrock, M.Sc. (08.2010-10.2012)

3D-Modellierung und optimierte Effizienzberechnung von Photovoltaiksystemen

2010-2012
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE)
Das Projekt nutzt neue photogrammetrische Methoden zur 3D-Rekonstruktion einer PV-Anlage mittels unkalibrierter Bilder, um für geplante oder bereits bestehende Anlagen die notwendigen geometrischen Parameter zu ermitteln. Ergänzt werden die so ermi...
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) (03.2010-03.2012) Dipl.-Ing. Karsten Schmidt (07.2010-03.2011)

Machbarkeitsstudie "Technikinteresse von Mädchen an Themen der Geoinformation"

2010-2011
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE)
Die Machbarkeitsstudie beschäftigt sich unter verschiedenen Gesichtspunkten mit dem Technikinteresse von Mädchen und Jungen der 6. und 7. Jahrgangsstufe an Themen der Geoinformatik.
Personen
Prof. Dr. Ingrid Jaquemotte (Leitung) Dipl.-Ing. (FH) Ole Vieth (06.2010-09.2010) Dipl.-Ing. Anna Maria Helle (01.2010-06.2010)

Abschlussarbeiten


Konzeption und Entwicklung eines Verfahrens zur Anonymisierung von personenbezogenen und georeferenzierten Verbrauchsdaten im Kontext der kommunalen Wärmeplanung (2023/1)
Betreuer

Prof. Dr. Sascha Koch

Dr.-Ing. Enno Wieben

Kooperationspartner

EWE NETZ GmbH

Spatiotemporal analysis of biodiversity in the North Sea (2022/11)
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)