Digitale Sichtprüfung von Schweißverbindungen unter Wasser durch hochauflösende optische 3D-Oberflächenrekonstruktion
2022-2025
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
Luhmann, T.; Tecklenburg, W (2004):
3-D Object Reconstruction from Multiple-Station Panorama Imagery. ISPRS Workshop on Panorama Photogrammetry, Dresden
Luhmann, T. (2004):
A Historical Review on Panorama Imagery. ISPRS Workshop on Panorama Photogrammetry, Dresden
Wendt, A.; Weisensee, M. (2004):
Automatische Verknüpfung von Bild- und Laserdaten. Technologie-Informationen niedersächsischer Hochschulen, Laser-Technologie, Heft 1-2004, S. 7, 2004
, Weblink
Hastedt, H.; Luhmann, T.; Tecklenburg, W. (2004):
Bestimmung von Einflussgrößen in der Nahbereichphotogrammetrie mittels Monte-Carlo-Simulation. Publikationen der DGPF, Band 16, Halle
, Weblink
Fisler, A.; Weisensee, M. (2004):
Examination of Accuracy and Resolution of a Hand-held Spectrometer. Proceedings 20th ISPRS Congress, Istanbul, Turkey, 2004, in: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science, Vol. 35
Vorträge
Luhmann, T.
:
Photogrammetric Research at Jade University.
Vilniaus Gedimino technikos universitetas, Vilnius,
Dezember 2018
Brinkhoff, T.
:
Geodatenbanksysteme.
CAS Räumliche Informationssysteme, ETH Zürich, Schweiz,
Dezember 2018
Luhmann, T.
:
Introduction to Close-Range Photogrammetry II.
Kiev National University for Construction and Architecture, Kiew,
November 2018
Luhmann, T.
:
Introduction to Close-Range Photogrammetry I.
Kiev National University for Construction and Architecture, Kiew,
November 2018
Luhmann, T.
:
Dense pointclouds from combined nadir and oblique imagery by object-based semi-global multi-image matching.
GIS Day, Vilniaus Gedimino technikos universitetas, Vilnius,
November 2018
Projekte
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz
Ziel des Projektes ist es, die klassische Sichtprüfung (VT) von Schweißverbindungen unter Wasser durch ein optisches 3D-Messsystem zu ergänzen. Auf Grundlage von hochauflösenden 2D-(Bild)Daten werden durch photogrammetrische Metho... mehr
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)
Klassische Verfahren der photogrammetrischen Verformungsanalyse bestehen zum einen aus der spatio-temporalen Bildzuordnung (spatio temporal matching – STM) und zum anderen aus einem nachfolgenden Schritt der Berechnung von Verformungsparame... mehr
Gefördert durch: Niedersächsisches Vorab
Transformation und Strukturwandel im ländlichen Raum bedeuten Veränderungen in Raum und Zeit. Solche raumzeitlichen Daten sollen von der Geo-Toolbox über digitale Technologien wie beispielsweise Datenbanken und Geoinformationssysteme (GIS)... mehr
Personen
Prof. Dr. Thomas Brinkhoff (Leitung) Prof. Dr. rer. nat. habil. Roland Pesch (Leitung) Prof. Dr. rer. nat. Frank Schüssler (Leitung) Tobias Werner, M.Sc. (10.2022-) Jonas Schoo, M.Sc. (06.2022-) Maren Leiz, M.Sc. (08.2022-) Dr. Amirmohammad Ghavimi (08.2022-)
Prof. Dr. Thomas Brinkhoff (Leitung) Prof. Dr. rer. nat. habil. Roland Pesch (Leitung) Prof. Dr. rer. nat. Frank Schüssler (Leitung) Tobias Werner, M.Sc. (10.2022-) Jonas Schoo, M.Sc. (06.2022-) Maren Leiz, M.Sc. (08.2022-) Dr. Amirmohammad Ghavimi (08.2022-)
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