Geometrisches Monitoring der Bremer Kogge
Beginn: 2017
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
Koch, S.; Elbeshausen, M.; Gravenhorst, T.; Schnabel, M. (2022):
Geo Data Science für die Energiewende am Beispiel der Standortbewertung für Kleinwindenergieanlagen. Künstliche Intelligenz in Geodäsie und Geoinformatik
Brinkhoff, T. (2022):
Geodatenbanksysteme in Theorie und Praxis. Einführung in Geodatenbanken unter besonderer Berücksichtigung von PostGIS und Oracle, 4., überarbeitete und erweiterte Auflage, Wichmann, 624 Seiten, ISBN 978-3-87907-694-9 (Buch), ISBN 978-3-87907-695-6 (E-Book)
, Weblink
Brinkhoff, T. (2022):
Geoinformationen im touristischen Umfeld. In: U. Weithöner, R. Goecke, E. Kurz, A. Schulz (Hrsg.), Digitaler Tourismus - Informationsmanagement im Tourismus, 3. Auflage, De Gruyter Oldenbourg, 155-172
, Weblink
Schönrock, S.; Schuchardt, B.; Bildstein, T.; Heinicke, K.; Kreutle, K.; Pesch, R. (2022):
Geostatistical Applications in a Marine Benthic Biological Context. Kresse, W., Danko, D. M. (Eds.): Springer Handbook of Geographic Information. Springer
Pogoda, B.; Hauser, S.; Rothe, M.; Bakker, F.; Hausen, T.; Bérenger, C.; Heinicke, K.; Pesch, R. (2022):
GIS-basierte Modellierung von Eignungsflächen für die Wiederansiedlung der Europäischen Auster in der AWZ der Nordsee. gis.Science Ausgabe 2/2022
Vorträge
Luhmann, T.
:
Measuring Accuracy in Photogrammetry - Critical factors, Optimization and Verification.
University of Geodesy and Cartography, Moscow,
Dezember 2015
, . :
Simulated Annealing With Parameter Tuning for Wind Turbine Placement Optimization.
Workshop on System Integration of Renewable Energy, Delmenhorst,
November 2015
Gollenstede, A.
:
Island digital – Geoinformatik und Tourismus.
Schlaues Haus, Oldenburg,
November 2015
Luhmann, T.
:
Ukraine – Recent impressions and expe-riences.
Jade Hochschule, Oldenburg,
November 2015
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
Personen
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Prof. Dr. Thomas Brinkhoff (Leitung) Robin Rofallski, M.Sc. (01.2017-12.2020) Tobias Werner, M.Sc. (02.2017-06.2020)
Prof. Dr.-Ing. habil. Dr. h.c. Thomas Luhmann (Leitung) Prof. Dr. Thomas Brinkhoff (Leitung) Robin Rofallski, M.Sc. (01.2017-12.2020) Tobias Werner, M.Sc. (02.2017-06.2020)
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.
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)
Kooperationspartner
Spatiotemporal analysis of biodiversity in the North Sea (2022/11)
Kooperationspartner
Alfred-Wegener-Institut: Helmholtz-Zentrum für Polar- und Meeresforschung
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)