Artikel und Bücher

Boltersdorf, S.H.; Pesch, R.; Werner, W. (2014): Comparative use of lichens, mosses and tree bark to evaluate nitrogen deposition in Germany. Environmental Pollution; 189:43-53
Jepping, C.; Bethmann, F.; Luhmann, T. (2014): Congruence Analysis of Point Clouds from Unstable Stereo Image Sequences. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-5, Commission V, Riva del Garda, Italy, 301-306 , doi: 10.5194/isprsarchives-XL-5-301-2014
Schröder, W.; Pesch, R.; Schönrock, S.; Harmens, H.; Mills, G.; Fagerli, H. (2014): Correlations between nitrogen concentrations in atmospheric deposition and mosses mapped for natural landscapes in Europe. Proceedings 27th Task Force Meeting ICP Vegetation, 28-30 January, Paris:46
Große-Schwiep, M.; Hastedt, H.; Luhmann, T. (2014): Deformationsmessung mit terrestrischem Laserscanning und Photogrammetrie. Allgemeine Vermessungsnachrichten, Wichmann VDE Verlag, 2/2014, 43-52
Pilinski, J.; Luhmann, T. (2014): Development of a Real Time Low-cost Tracking System for Medical and Audiological Applications. Tagungsband LowCost3D – Sensors, Algorithms, Applications, Berlin

Vorträge

Luhmann, T. : Fundamentals of camera calibration and image orientation. UAV-Conference, Intergeo 2024, Stuttgart, 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
Paulau, P. ; Hurka, J. ; Middelberg, J. ; Koch, S. : Centralised monitoring and control of buildings using open standards. 8th International Conference on Smart Data & Smart Cities (SDSC), Athen, Juni 2024 Weblink
Luhmann, T. : Introduction to Close-Range Photogrammetry. VRscan3D project week, Vilnius, Mai 2024

Projekte

Videobasierte Verfolgung von Arbeitern auf Baugerüsten zur Verbesserung der Arbeitssicherheit

2009
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE)
In der Machbarkeitsstudie beschäftigt sich mit der Frage, ob videobasierte Verfahren zur Personenverfolgung geeignet sind, um Ursachen und Abläufe von Fehlbeanspruchungen zu analysieren und ggf. entsprechende Warnungen auszugeben. Sie soll in die E...
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Dipl.-Ing. Anna Maria Helle (02.2009-09.2009)

Umweltnetzwerk Oldenburg

2009-2010
Gefördert durch: Bundesministerium für Bildung und Forschung
UNO ist als eines von bundesweit 10 Netzwerken in das Programm „Research in Germany – Land of Ideas“ des Bundesministeriums für Bildung und Forschung (BMBF) aufgenommen worden. Im Rahmen dieses Programms werden Aktivitäten zum Thema „Intern...
Personen
Prof. Dr.-Ing. Manfred Weisensee (Leitung) Tim Grzabka, M.A. (07.2009-03.2010)

Geo Business Netzwerk (GEOBIZNET) - Internationales Forschungsmarketing in Polen und Kroatien

2008-2010
Gefördert durch: Bundesministerium für Bildung und Forschung
Ziel des Geo Business Netzwerks war die Vorbereitung länderübergreifender Forschungs- und Transferkooperationen im Themenbereich von Geoinformations­technologien.
Personen
Prof. Dr. Thomas Brinkhoff (Leitung) Dipl.-Geogr. Stefan Nicolaus (10.2008-10.2010) Christine Deike (11.2008-07.2009)

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)
Optimierung der Planwunschgespräche – Vereinheitlichung, automatisiere Verarbeitung der Planwunschprotokolle sowie dessen Visualisierung (2023/1)
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)