Generalisierung von GIS-Daten
1995-1999
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
Chizhova, M.; Luhmann, T. (2017):
Wavelet-basierte Erkennung architektonischer Formen aus präzisen Punktwolken. In Luhmann/Schumacher (eds.): Photogrammetrie, Laserscanning, Optische 3D-Messtechnik – Beiträge der 16. Oldenburger 3D-Tage, Wichmann Verlag, Offenbach/Berlin, pp. 129-141
Vorträge
Luhmann, T.
:
Development of a simulator for terrestrial laser scanning as a powerful tool for distance learning.
Ukraine Tage in Niedersachsen, Hannover,
September 2022
Luhmann, T.
:
Introduction to Close-Range Photogrammetry.
DAAD VRscan3D Projektwoche, Universität Bamberg,
September 2022
Koch, S.
:
WärmewendeNordwest - Digitalisierter Experimentalcampus Bauphysik.
9. Oldenburger BIMTag,
September 2022
Weblink
Kahmen, O.
:
Digitale Sichtprüfung von Schweißverbindungen unter Wasser durch photogrammetrische Verfahren.
9. BIM-Tag / 20. Oldenburger 3D-Tage,
September 2022
Projekte
Gefördert durch: Land Niedersachsen
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Prof. Dr. Ingrid Jaquemotte (10.1995-10.1999)
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Prof. Dr. Ingrid Jaquemotte (10.1995-10.1999)
Abschlussarbeiten
Entwicklung eines Dashboards zur Verbesserung des Bewerbungsprozesses für Unternehmen und Bewerber (2024/1)
Kooperationspartner
Human-Centered Design in der Konzeption und Entwicklung eines geodatenbasierten Entsiegelungskatasters (2023/12)
Kooperationspartner
Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN)
Flächendeckende Versiegelungsdetektion mittels Machine Learning für Entsiegelungskataster (2023/12)
Kooperationspartner
Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN)
Der digitale Zwilling im Metaverse - Untersuchung zur Modellierung und Anwendung virtueller Räume (2023/12)
Kooperationspartner
Räumliche Unterschiede bei der Wahrnehmung von Zukunftsmärkten in Medien: Eine Analyse von Zeitungsartikeln mittels Machine Learning (2023/10)
Kooperationspartner