Artikel und Bücher

Boltersdorf, S.H.; Pesch, R.; Schröder, W.; Werner, W. (2014): Physiological responses: do lichens, mosses and tree bark react with different carbon and nitrogen isotope patterns along a nitrogen deposition gradient?. Proceedings 27th Task Force Meeting ICP Vegetation, 28-30 January, Paris:55
Ekkel, T.; Luhmann, T.; Meyer, A.M.; Conen, N.; Hastedt, H.; Bethmann, F. (2014): Präzise optische 3D-Erfassung von Schweißnähten unter Wasser. Schweißen und Schneiden, Fachzeitschrift für Schweißen und verwandte Verfahren, 11/2014, 658-664
Meyer, M.; Pesch, R.; Schröder, W.; Steinnes, E.; Uggerud, H.T. (2014): Spatial patterns and temporal trends of heavy metal concentrations in moss and surface soil specimens collected in Norway between 1990 and 2010. Environmental Sceiences Europe 26(27): 1-18 , Weblink
Luhmann, T.; Jepping, C.; Herd, B. (2014): Untersuchung zum messtechnischen Genauigkeitspotenzial einer Lichtfeldkamera. Gemeinsame Tagung 2014 der DGfK, der DGPF, der GfGI und des GiN, Hamburg, DGPF Tagungsband 23/2014 , Weblink
Brinkhoff, T.; Tolzin, J. (2014): Verarbeitung und spatio-temporale Anfragen von mobilen Sensordaten auf Basis des OGC-Sensorbeobachtungsdienstes SOS 2.0. Gemeinsame Tagung 2014 der DGfK, der DGPF, der GfGI und des GiN, Hamburg, DGPF Tagungsband 23/2014 , Weblink

Vorträge

Brinkhoff, T. : Geodatenbanksysteme. CAS Räumliche Informationssysteme, ETH Zürich, Schweiz, Januar 2023
Nietiedt, S. : Simulation-based accuracy investigation of a photogrammetric setup to measure a dynamic process. Optical 3D Metrology workshop (O3DM), Dezember 2022 doi: https://doi.org/10.5194/isprs-archives-XLVIII-2-W2-2022-95-2022
Luhmann, T. : Dynamic optical 3D metrology for wind energy applications. Optical 3D Metrology (O3DM), Würzburg, Dezember 2022
Luhmann, T. : Optische 3D-Messtechnik im Kontext von Industrie 4.0. Technische Universität Dresden, Dezember 2022
Jaquemotte, I. ; Pesch, R. : Möglichkeiten der Einbindung des Landschaftsinformationszentrums Ammerland e.V. in die Lehrveranstaltungen des Abteilung Geoinformation des Fachbereichs BGG der Jade Hochschule. Roadmap Geografische Forschungsthemen im Ammerland; Landschaftsinformationszentrum Ammerland e.V., Jaspershof, Westerstede, November 2022

Projekte

Gefördert durch: Bundesministerium für Bildung und Forschung
Das Projekt – „WärmewendeNordwest – Digitalisierung zur Umsetzung von Wärmewende- und Mehrwertanwendungen für Gebäude, Campus, Quartiere und Kommunen im Nordwesten“ (kurz WWNW) - wird aus Mitteln des Bundesministeriums für Bildun... mehr
Gefördert durch: Deutscher Akademischer Austausch Dienst (DAAD)
Ziel des Projekts ist die Entwicklung eines Software-Tools zur Erstellung von simulierten Massendaten von Objekten, die mit einem terrestrischen Laserscanner aufgenommen werden. Diese Instrumente erzeugen 3D-Punktwolken von verschiedenen Stationen, d... mehr
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Dr. Darius Popovas Dr. Maria Chizhova Dr. Denys Gorkovchuk Dr. Julia Gorkovchuk Prof. Dr. Mona Hess Mykola Trehub
Gefördert durch: Niedersächsisches Vorab
Die Digitalisierung stellt auch Museen vor große Herausforderungen. So umfasst die Sammlung des Landesmuseums Natur und Mensch Oldenburg Objekte aus der Naturkunde, der Archäologie und der Ethnologie, von denen bis jetzt nur ein Bruchteil digital e... mehr
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Simon Albers, M.Sc. (10.2022-03.2023) Paul Kalinowski, M.Sc.

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)