Artikel und Bücher

Rooper, C.; Robson, L.; Burgos, J.; van Denderen, D.; Downie, A.; Pirtle, J.; Puerta, P.; Auster, P.; Buhl-Mortensen, P.; Chu, J.; Colaço, A.; Finney, J.; Garcia-Alegre, A; Gianni, M.; Gonzalez, J. M.; Guerra, M. T.; Howell, K.; Langton, R.; Metaxas A.; Morato, T.; Nastasi, A.; Nixon, E.; Perez, J. M.; Perez-Rodriguez, I.; Pesch, R.; Rivera, J.; Stirling, D.; Thompson, P.; de la Torriente, A.; Vinha, B. (2021): Workshop on the Use of Predictive Habitat Models in ICES Advice (WKPHM) 1-5 Feb 2021. ICES Scientific Reports, Volume 3, Issue 67 , doi: 10.17895/ices.pub.8213 , Weblink
Nietiedt, S.; Kalinowski, P.; Hastedt, H.; Luhmann, T.; (2020): Accuracy Investigations of Image Matching Techniques by Means of a Textured Dumbbell Artefact. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIII-B2-2020, 791–796, 2020 , doi: 10.5194/isprs-archives-XLIII-B2-2020-791-2020 , Weblink
Luhmann, T. (2020): Buchbesprechung über Teubner/Brückner: Optical Imaging and Topography. Physik Journal 19 (11), S. 59
Papenmeier, S.; Galvez, D.; Günther, C.-P.; Pesch, R.; Propp, C.; Hass, C.; Schuchardt, B.; Zeiler, M. (2020): Chapter 25 - Winnowed gravel lag deposits between sandbanks in the German North Sea. Seafloor Geomorphology as Benthic Habitat (pp. 451-460). Elsevier , doi: 10.1016/B978-0-12-814960-7.00025-7 , Weblink
Neder, C; Sahade, R.; Abele, D.; Pesch, R.; Jeresch, K. (2020): Default versus Configured-Geostatistical Modeling of Suspended Particulate Matter in Potter Cove, West Antarctic Peninsula. Fluids, 5(4), 235 , doi: 10.3390/fluids5040235 , Weblink

Vorträge

Luhmann, T. : Einfluss der projektiven Exzentrizität von kreis- und kugelförmigen Messmarken auf die photogrammetrische 3D-Rekonstruktion. DLR Institut für optische Sensorsysteme, Berlin, Oktober 2014
Luhmann, T. : Entwicklung und Qualifizierung automatisierter zerstörungsfreier Prüftechniken zur Bauwerks- und Schweißnahtprüfung unter Wasser. Abschlusspräsentation, DVS Fachausschuss V4, Hannover, Oktober 2014
, . : An Evolutionary Approach to Geo-Planning of Renewable Energies. 28th International Conference on Informatics for Environmental Protection (EnviroInfo), Oldenburg, September 2014
Luhmann, T. : Current Research in Photogrammetry and Geoinformatics at Jade University Oldenburg. University of Moldova, Chisinau, Moldawien, September 2014
Hastedt, H. : Die 3D-Vermessung geht in die Luft – vom Bild zum 3D-Modell mit UAVs. Schlaues Haus Oldenburg, Juli 2014

Projekte

Gefördert durch: Deutsches Schifffahrtsmuseum, Leibniz-Institut für Maritime Geschichte
Das Projekt verfolgt die Konzeption und Durchführung des geometrischen Monitorings der Bremer Kogge (ca. 25m x 8m x 8m), dem weltweit am besten erhaltenen Handelsschiff des Mittelalters. Es wurde ein Konzept für großvolumige optische 3D-Me... mehr
Gefördert durch: Niedersächsisches Vorab
Dieses interdisziplinäre Projekt hat es zum Ziel autonom agierende Über- und Unterseefahrzeuge zu entwickeln. Dabei werden in einem Teilprojekt Kalibrier­ansätze und Algorithmen für die speziellen Herausforderungen der Unterwasser­photo­gra... mehr
Gefördert durch: Europäischer Fonds für regionale Entwicklung (EFRE)
Dieses Forschungsvorhaben befasst sich mit der Entwicklung eines kompakten Prototyps zur hochgenauen berührungslosen 3D-Oberflächenvermessung unter Wasser durch den Einsatz optischer 3D-Messverfahren. mehr
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Oliver Kahmen, M.Sc. Paul Kalinowski, M.Sc. Niklas Haase, M.Sc.

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)