Artikel und Bücher

Wujanz, D.; Gruner, F.; Buriakovskyi, V.; Gorkovchuk, D.; Chizhova, M.; Popovas, D.; Gielsdorf, F.; Clemen, C.; Luhmann, T. (2024): Geodätische Netzplanung für Robotermissionen basierend auf synthetischen Laserscans. Luhmann/Sieberth (Hrsg.): Photogrammetrie-Laserscanning-Optische 3D-Messtechnik, Wichmann Verlag, Berlin/Offenbach, S. 227-234.
Brinkhoff, T. (2024): Geospatial Information Technology Systems for Digital Ethology. In: Tomáš Paus, Hye-Chung Kum (eds.): Digital Ethology: Human Behavior in Geospatial Context. Strüngmann Forum Reports, vol. 33, series ed. Julia R. Lupp. Cambridge, MA: The MIT Press, 107–123 , doi: 10.7551/mitpress/15532.003.0011
Albers, S.; Rofallski, R.; Luhmann, T. (2024): Inline-Geometrievermessung von Kautschuk: Entwicklung eines Orientierungskonzeptes zwischen Lichtschnittsensoren und einem Stereokamerasystem. Luhmann/Sieberth (Hrsg.): Photogrammetrie-Laserscanning-Optische 3D-Messtechnik, Wichmann Verlag, berlin/Offenbach, S. 2-19.
Pan, J.; Chizhova, M.; Luhmann, T.; Eißing, T. (2024): Machbarkeitsstudie zur automatisierten Zustandsanalyse verbauter historischer Holzbalken. Kersten/Tilly (eds.): Publikationen der DGPF, Band 32, Hamburg/Köln, S. 466-481
Fincken, M.; Elbeshausen, M.; Schnabel, M.; Koch, S. (2024): Machine Learning für flächendeckende Geothermie-Potentialanalysen im Kontext der geodatenbasierten Wärmeleitplanung. 36. Oldenburger Rohrleitungsforum

Vorträge

Hastedt, H. : Untersuchungen zum Genauigkeitspotential eines hybriden Kamerasystems aus RIM- und RGB-Kamera. DGPF-Tagung, Freiburg, Februar 2013
Brinkhoff, T. : Geodatenbanken. CAS Räumliche Informationssysteme, ETH Zürich, Schweiz, Februar 2013
Willemsen, T. : Untersuchungen zur laserbasierten photogrammetrischen Erfassung von Schweißnähten unter Wasser. Oldenburger 3D-Tage, Oldenburg, Februar 2013
Göring, M. : Deformationsmessung mit terrestrischem Laserscanning und Photogrammetrie. Oldenburger 3D-Tage, Oldenburg, Februar 2013
Luhmann, T. : Grundlagen der digitalen Bildverarbeitung. Ringvorlesung „Optische Technologien in der Medizintechnik“, Oldenburg, Januar 2013

Projekte

Gefördert durch: Bundesministerium für Bildung und Forschung
Eine besondere Herausforderung stellt eine zukünftig dekarbonisierte Wärmeversorgung im urbanen Bereich dar. Die technische Fokussierung auf die Systemkopplung von Strom und Wärme zur Erhöhung des Anteils regenerativer Energien in der Wärmeverso... mehr
Personen
Prof. Dr. Jürgen Knies (Leitung) (03.2019-12.2019) Prof. Dr. Sascha Koch (Leitung) (03.2020-) Sebastian Erdmann, M.Sc. (10.2020-07.2021) Marvin Schnabel, M.Sc. (01.2022-)
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE)
Das Ziel des Verbundprojektes ist die gleichzeitige geometrische Erfassung von turbulenten Windströmungen (Fluidverhalten) und Deformationen von Rotorblattoberflächen von Windenergieanlagen, um neue Erkenntnisse über ihr Verhalten bei Last... mehr
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Sinah Vogel (01.2021-04.2021) Dr. Ing. Thomas Willemsen (10.2018-06.2019) Simon Nietiedt, M.Sc. Annika Katrin Jepping, B.Sc. Martina Göring, M.Sc. Robin Rofallski, M.Sc.
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE)
Ziel des Projektes ist die Untersuchung bildgebender Techniken und Entwicklung spezieller Verfahren, die auf Basis von intraoperativen und präoperativen Daten agieren. Die Einsatzgebiete liegen in erster Linie in der Orthopädie, prinzipiell ist die... mehr

Abschlussarbeiten


Konzeption und Entwicklung eines Verfahrens zur Anonymisierung von personenbezogenen und georeferenzierten Verbrauchsdaten im Kontext der kommunalen Wärmeplanung (2023/1)
Betreuer

Prof. Dr. Sascha Koch

Dr.-Ing. Enno Wieben

Kooperationspartner

EWE NETZ GmbH

Spatiotemporal analysis of biodiversity in the North Sea (2022/11)
Potenzialanalyse von Randflächen an Autobahnen für Windkraft- und Photovoltaikfreiflächenanlagen (2022/11)
Untersuchungen zur Erfassung von spiegelnden und transparenten Oberflächen aus Laserscan-Punktwolken (2022/10)
Bildbasierte Detektion von Rissen in Schweißverbindungen mit den Methoden des Deep Learnings (2022/10)