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
Fincken, M.; Elbeshausen, M.; Schnabel, M.; Koch, S. (2024):
Machine Learning für flächendeckende Geothermie-Potentialanalysen
im Kontext der geodatenbasierten Wärmeleitplanung. 36. Oldenburger Rohrleitungsforum
Nietiedt, S.; Helmholz, P.; Luhmann, T. (2024):
Occlusion handling in spatio-temporal object-based image sequence matching. ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., X-2-2024
, doi: https://doi.org/10.5194/isprs-annals-X-2-2024-163-2024
Schnabel, M.; Elbeshausen, M.; Erdmann, S.; Koch, S. (2024):
Participatory Processes in Geodata-Based Thermal Energy Planning. Innovations and challenges of the energy transition in smart city districts
, doi: 10.1515/9783110777567
Luhmann, T.; Sieberth, T. (2024):
Photogrammetrie - Laserscanning - Optische 3D-Messtechnik. Beiträge der Oldenburger 3D-Tage und des BIMtages 2024. Wichmann Verlag, Berlin/Offenbach, 414 S.
Albers, S.; Rofallski, R.; Hagen, Paul-Felix; Luhmann, T. (2024):
Procedure for the Orientation of Laser Triangulation Sensors to a Stereo Camera System for the Inline Measurement of Rubber Extrudate. ISPRS Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLVIII-2-2024
, doi: https://doi.org/10.5194/isprs-archives-XLVIII-2-2024-1-2024
Vorträge
Werner, T.
:
Management of spatio-temporal data for autonomous maritime systems.
GeoIT.GISCO 2017, Berlin,
Dezember 2017
Hastedt, H.
:
A medium format camera for high accuracy photogrammetry.
3D Metrologogy Conference - 3DMC Aachen,
Oktober 2017
Chizhova, M. :
Planning and execution of the LIDAR scanning project using Faro scanner.
Special teach-time in Michigan Tech University, Houghton, USA,
Oktober 2017
Luhmann, T.
:
Bildbasierte 3D-Oberflächenrekonstruktion – Möglichkeiten und Grenzen.
Intergeo Berlin,
September 2017
Chizhova, M. :
Probabilistic reconstruction of destroyed and incomplete objects from point clouds using Bayesian networks and cellular automata.
Michigan Tech University, Houghton, USA,
September 2017
Projekte
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-)
Gefördert durch: Bundesministerium für Bildung und Forschung
Das Projekt – „CoSAIR – Collaborative Spatial Artificial Intelligence in Realtime“ wird aus Mitteln des Bundesministeriums für Bildung und Forschung im Rahmen des Programms „Forschung an Fachhochschulen“ zur Schaffung, Verstetigung und B... mehr
Personen
Prof. Dr. Sascha Koch (Leitung) Oliver Kahmen, M.Sc. (04.2022-07.2022) Tobias Neiß-Theuerkauff, M.Sc. Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann Mareike Fincken, M.Sc. (09.2023-)
Prof. Dr. Sascha Koch (Leitung) Oliver Kahmen, M.Sc. (04.2022-07.2022) Tobias Neiß-Theuerkauff, M.Sc. Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann Mareike Fincken, M.Sc. (09.2023-)
Abschlussarbeiten
Augmented Reality in der Flurbereinigung: Untersuchung zur Visualisierung der Besitzeinweisung (2024/2)
Untersuchung zur Georeferenzierung und Nutzung von Urkarten des Liegenschaftskatasters (2024/2)
Analyse und Vergleich der geometrischen Eigenschaften von Referenzdaten und KI-Ergebnissen für die automatische Gebäudeerkennung in Luftbildern (2024/2)
Kooperationspartner
Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN)
Maschinelles Lernen für die Identifikation von baulichen Erweiterungen an Gebäuden anhand geometrischer Merkmale von ALKIS- und durch KI bestimmten Hausumringen (2024/2)
Kooperationspartner
Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN)
Integration und Verteilung von ALKIS-Grunddaten und Fortführungsdaten in Echtzeit mittels Open-Source-Technologien (2024/2)
Kooperationspartner
Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN)