Artikel und Bücher

Kalinowski, P.; Hindmarch, J.; Luhmann, T. (2022): Accuracy investigations of hand-held scanning system using different dumbbell artefacts. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIII-B2-2022, 401–407 , doi: 10.5194/isprs-archives-XLIII-B2-2022-401-2022 , Weblink
Rofallski, R.; Menna, F.; Nocerino, E.; Luhmann, T. (2022): An efficient solution to ray tracing problems for hemispherical refractive interfaces. ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., V-2-2022, 333–342 , doi: 10.5194/isprs-annals-V-2-2022-333-2022 , Weblink
Rofallski, R.; Luhmann, T. (2022): An Efficient Solution to Ray Tracing Problems in Multimedia Photogrammetry for Flat Refractive Interfaces. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, Vol. 90, Issue 1, pp. 37-54 , doi: 10.1007/s41064-022-00192-1
McQuatters-Gollop, A.; Guérin, L.; Arroyo, N.; Aubert, A.; Artigas, L.; Bedford, J.; Corcoran, E.; Dierschke, V.; Elliott, S.; Geelhoed, S.; Gilles, A.; González-Irusta, J.; Haelters, J.; Johansen, M.; LeLoc’h, F.; Lynam, C.; Niquil, N.; Meakins, B.; Mitchell, I.; Padegimas, B.; Pesch, R.; Preciado, I.; Rombouts, I.; Safi, G.; Schmitt, P.; Schückel, U.; Serrano, A.; Stebbing, P.; Dela Torriente, A.; Vina-Herbon, C. (2022): Assessing the state of marine biodiversity in the Northeast Atlantic. Ecological Indicators 141 (2022) 109148 , doi: https://doi.org/10.1016/j.ecolind.2022.109148
Schierbaum, A.; Kalinowski, P.; Mittmann, M.; Luhmann, T. (2022): Aufnahme und Modellierung des Goethe-Elefantenschädels mittels Handscanner und SfM. Luhmann/Schumacher (eds.): Photogrammetrie, Laserscanning, Optische 3D-Messtechnik – Beiträge der 20. Oldenburger 3D-Tage, Wichmann Verlag, Offenbach/Berlin, pp. 99-108

Vorträge

Knies, J. : Der Raumbezug im zukünftigen Energiesystem. 7. GiN-EVU-Forum, Oldenburg, November 2016
Luhmann, T. : Introduction to Close-Range Photogrammetry. Kiev National University for Construction and Architecture, November 2016
Weisensee, M. : Kartographie heute und morgen. Fachkolloquium der Sektion Hessen der DGfK e.V, Frankfurt, November 2016
Rofallski, R. : Investigation and modelling of rolling shutter distortions on photogrammetric single- and multi-image applications. 3D Metrology Conference, Aachen, November 2016
Weisensee, M. : Kartographie der Zukunft – Zukunft der Kartographie. Fachkolloquium 60 Jahre Sektion Südbaden der DGfK e.V., Freiburg, November 2016

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)