Leibniz Universität Hannover Fakultät Fakultät für Bauingenieurwesen und Geodäsie
English Kontakt English
Institut für Kartographie und Geoinformatik
 
Institut für Kartographie und Geoinformatik Institut Personenverzeichnis Busch Forschungsprojekte

Statistik

  • Strukturbrucherkennung bei Zufallsprozessen mit räumlichen Abhängigkeiten
    With growing availability of high-resolution spatial data, like high-definition images, 3d point clouds of LIDAR scanners, or communication and sensor networks, it might become challenging to timely detect changes and simultaneously account for spatial interactions. To detect local changes in the mean of isotropic spatiotemporal processes with a locally constraint dependence structure, we propose a monitoring procedure, which can completely be run on parallel processors. This allows for a fast detection of local changes, i.e., only a few spatial locations are affected by the change. Due to parallel computation, high-frequency data could also be monitored. We, therefore, additionally focus on the processing time required to compute the control statistics.
    Leitung: Prof. Dr. Philipp Otto
    Jahr: 2019

Student Research Projects

  • Extracting Relevant Features That Determine Collision Avoidance in Shared Spaces
    In distinction to classic traffic designs which, in general, separately dedicate road resources to road users by time or space division, an alternative solution—shared space—has been proposed by traffic engineers. Pedestrians, cyclists, and vehicles interact with each other and self-organize to give or take right-of-way. The safety of shared spaces need to be thoroughly investigated, namely, how road users adapt their speed and/or orientation in the interactions with others in their vicinity to avoid collisions. In order to extract the most relevant features that reflect how a road user adjust his/her motion to avoid potential collisions with others in shared spaces, real-world trajectories will be analysed using statistical and machine learning approaches. For instance, the safe distance may differ significantly across different types of road users. Can we quantify such differences and impacts? Currently, however, user attributes are not yet available in the dataset, which will be incorporated in future work.
    Leitung: Cheng
    Jahr: 2018
    Förderung: DFG Graduiertenkolleg SocialCars
  • Aufbereitung von großen Forschungsdatensätzen im Kontext „Autonomes Fahren“
    Im Graduiertenkolleg i.c.sens fallen in groß angelegten Experimenten umfangreiche Datensätze an, um die wissenschaftliche Forschung im Kontext des autonomen Fahrens zu unterstützen. In diesen Experimenten wurden mehrere Fahrzeuge mit komplexen Multi-Sensor-Plattformen zur Selbstlokalisierung und Kartierung ausgestattet, darunter mehrere GNSS-Systeme, Stereokameras und mehrere LiDAR-Systeme. Um eine Zweitverwertung dieser Datensätze zu ermöglichen und den Datensatz zu einem späteren Zeitpunkt veröffentlichen zu können, müssen die Daten mit etablierten sensorspezifischen Datenverarbeitungsmethoden oder durch manuelle Annotation (z. B. Labeling von Bildern oder Punktwolken) aufbereitet werden (ground truth). Das Spektrum der möglichen Aktivitäten (Programmieren, Verwenden eines GIS für Analysen, manuelles Bearbeiten / Kommentieren von Daten mit bereitgestellten Tools und vielem mehr) in diesem Forschungsprojekt ist breit und kann von mehrere Studenten gleichzeitig bearbeitet werden. Es besteht eine hohe Flexibilität bei der Definition der durchzuführenden Aufgaben (im Rahmen einer Besprechung vor Beginn des Forschungsprojekts).
    Leitung: Fischer, Peters
    Jahr: 2021

Mobilität

  • Extraktion von Verhaltensmustern aus Trajektorien
    Eine Straßenkarte kann nicht nur als eine kompakte Repräsentation des Straßennetzwerks dienen, sondern auch eine Beschreibung des Fahrverhaltens der Verkehrsteilnehmer liefern, welche durch Straßenregulationen vorgeben werden.
    Leitung: Sester, Monika
    Team: Zourlidou, Stefania
    Jahr: 2017
    Förderung: IAV GmbH
    Laufzeit: 2016-2019
  • Bestimmung von Treffpunkten für Mitfahrgelegenheiten und bedarfsorientierte Verkehre
    Die Idee des Projektes ist, mit Kartendaten geeignete Treffpunkte zu finden, die ein Zusteigen zu Mitfahrgelegenheiten oder Bussen sicher, bequem und effizient ermöglichen. Mit fortschreitenden Mobilitätsansprüchen der Gesellschaft steigt die Auslastung der Straßen immer weiter an. Daher ist es sinnvoll, Reisende mit ähnlichen Zielen zu gruppieren und Fahrgemeinschaften zu bilden, um die Anzahl an Autos zu verringern und damit auch die Umwelt zu schonen. Insbesondere, wenn der öffentliche Nahverkehr nicht ausreicht oder aus Kostengründen nicht wirtschaftlich arbeiten kann, stellen private Fahrgemeinschaften und öffentliche bedarfsgerechte Verkehre eine Alternative zum Auto dar. Auch in Deutschland gehen immer öfter Start-Ups an den Markt, die solche Mobilitätsdienstleistungen auch innerstädtisch anbieten.
    Team: Czioska, Sester
    Jahr: 2017
    Förderung: DFG-Graduiertenkolleg SocialCars
  • Automatische Generierung von Dynamischen Parkplatzkarten Mittels Crowd-Sensing
    Moderne Fahrzeuge werden immer häufiger mit einer Vielzahl von Sensoren ausgestattet, die ihre Umgebung erfassen. Solche Sensoren können genutzt werden, um während der Fahrt parkende Fahrzeuge am Straßenrand zu detektieren. Tragen viele Fahrzeuge zu einem gemeinsamen Datenbestand bei, so erhält man die Information über parkende Fahrzeuge zu vielen verschiedenen Zeitpunkten mit einer Abdeckung des gesamten Stadtgebiets.
    Team: Bock, Sester
    Jahr: 2017
    Förderung: Deutsche Forschungsgemeinschaft (DFG)
  • Visuelle Kommunikation zur Verhaltenssteuerung bei der Routenwahl
    Die individuelle Entscheidung für eine bestimmte Verkehrsmodalität und Route hängt von verschiedenen Gegebenheiten ab. Insbesondere wird Information über das erwartete Verkehrsgeschehen als wichtig erachtet. Untersucht werden soll daher, ob die Vermittlung der aktuellen und der voraussichtlichen Situation vor Ort (inklusive Angabe bestimmter Sicherheiten) dazu führt, eine andere Route oder gar eine andere Modalität zu wählen.
    Leitung: Sester
    Team: Fuest
    Jahr: 2018
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • Deep Learning von Verhalten im Straßenraum - speziell im Bereich Shared Spaces
    Im Projekt soll das Verhalten verschiedener Verkehrsteilnehmer in nicht regulierten, d.h. für alle Verkehrsteilnehmer offenen Räumen, untersucht werden. Existierende Ansätze gehen von einem gegebenen Bewegungsmodell aus, welches das individuelle Verhalten und auch das interaktive Verhalten unterschiedlicher Verkehrsteilnehmer beschreibt.
    Leitung: Sester
    Team: Cheng
    Jahr: 2018
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • USEfUL
    Aufgrund der Lage in der Mitte Europas und durch die ansässigen, global operierenden Unternehmen besitzen Logistik und Mobilität seit jeher eine herausragende Bedeutung in Hannover, einer nach dem Krieg autogerecht wieder aufgebauten Stadt. Mit einer wachsenden Stadt sind steigende Mobilitäts- und Versorgungsbedürfnisse verbunden sowie ein individuell und systemisch ausgelöster Logistikbedarf der Ver- und Entsorgung.
    Team: Wage, Feuerhake
    Jahr: 2018
    Förderung: BMBF: 03SF0547B
  • Ride Vibrations
    Das Fahrrad als alltägliches Fortbewegungsmittel wird immer beliebter. Doch viele Städte sind darauf noch nicht ausreichend eingestellt. Fahrradwege fehlen, enden plötzlich oder sind schlecht gepflegt. Wo Fahrradwege verlaufen, können Radler meist aus gängigen Kartendiensten ableiten. Wie schnell und wie bequem sie auf diesen Wegen ans Ziel gelangen, aber nicht. Daher entwickeln Mitarbeiter des Instituts für Kartographie und Geoinformatik zusammen mit Geodäsie-Studierenden eine spezielle Navigationsanwendung für Fahrräder, die komfortable Alternativrouten bereitstellen soll. Grundlage ist eine für Android-Smartphones selbst entwickelte App “RideVibes”. Sie zeichnet die Fahrdynamik ohne zusätzlich am Fahrrad angebrachte, spezielle Sensorik auf. Das Smartphone muss dabei lediglich während der Fahrt in einer Halterung am Fahrradlenker fixiert sein.
    Team: Oskar Wage, Udo Feuerhake, Jens Golze, Christian Koetsier
    Jahr: 2019
    © Karten Tiles von Stamen Design, Kartengrundlage von OSM, Datenüberlagerung von IKG
  • TraKuLa: Erfolgsfaktoren für chinesisch-deutsche Forschungskooperationen
    Kulturelle Hürden erschweren häufig die Zusammenarbeit in chinesisch-deutschen Projekten. Wie können die Partnerinnen und Partner voneinander lernen und ihre gemeinsame Arbeit erfolgreicher gestalten? Welche neuen Erkenntnisse entstehen durch transkulturelle Zusammenarbeit? Wie vollzieht sich in Deutschland und China der weitere Weg zur Innovation? Diesen Fragen widmet sich der neue interdisziplinäre Forschungsverbund TraKuLa (Transkultureller Lern- und Kompetenzansatz) an der Leibniz Universität Hannover, finanziert vom Niedersächsischen Ministerium für Wissenschaft und Kultur.
    Leitung: Monika Sester
    Team: Hao Cheng, Yu Feng
    Jahr: 2019
    Förderung: MWK
    Laufzeit: 2019-2022
  • Zukunftslabor Mobilität
    Im Rahmen des Zukunftslabors Mobilität arbeitet das ikg im Collaborative Research Field 4 am Thema der Mobilitätsdienste. Am CRF 4 sind WissenschaftlerInnen der Disziplinen Dienstleistungsmanagement ( Prof. David Woisetschläger, TU Braunschweig), Wirtschaftsinformatik (Prof. Jörg Müller, TU Clausthal) und Geoinformatik beteiligt. Ausgehend von den Potentialen der hochgradigen Vernetzung intelligenter Fahrzeugsysteme und Infrastrukturen sollen neue Dienstleistungen und Geschäftsmodelle für intelligente Fahrzeuge und (intermodale) Mobilitätslösungen entwickelt, untersucht und demonstriert werden. Im Fokus steht die Anwendung von Methoden für die Exploration von Anforderungen, die Entwicklung und Bewertung von Dienstleistungen für die nutzerspezifische Mobilitätsplanung, Untersuchungen zur Akzeptanz sowie Methoden zur Konzeption, Implementierung und Evaluation digitaler Geschäftsmodelle und hybrider Dienste.
    Leitung: Sester
    Team: Koetsier
    Jahr: 2019
    Förderung: MWK Niedersachsen
    Laufzeit: 2019-2024
  • Network Control System of Autonomous Vehicles
    Autonomous systems, such as self-driving cars, unmanned aerial vehicles, autonomous ships, and smart robots, have gained a lot of attention from both academia and industry. Autonomous systems must be capable of planning and executing complex tasks as intended, with limited or no human intervention. They will be exposed to uncertain and unstructured uncertainties arising from modelling errors and external disturbances.
    Leitung: Schön, Brenner, Sester
    Team: Abdelaal
    Jahr: 2019
    Förderung: DFG Graduiertenkolleg i.c.sens
    Laufzeit: 2016-2024
  • Collective Perception - Data Fusion and Visualisation
    The rapid development of data science and machine learning in many research as well as industrial fields has drawn much attention to the fuel of these techniques – the data. In the domain of autonomous driving, the data are mostly collected from different sources which aims to endow the data with more versatility and diversity, and also having a wider coverage in order to get a more complete and accurate perception of the environment. This project aims to improve the reliability and safety of the perception systems for autonomous driving by fusing and analysing the spatiotemporal data from different sensors and different road users that are in the same communication sensor network. In this scenario, the reconstruction of static objects can rely both on asynchronous data from a specific time span of the same sensor as well as the synchronised data from different sensors, the dynamic objects can be tracked based on the later one and auxiliated by the static information obtained. During the fusion process, the accuracies and uncertainties should also be considered and propagated to the final result and then be efficiently visualised in addition to the visualisation of the aggregated environment in order to give the human driver or passenger a correct and precise impression about the current outside-environment so that they can also intervene the driving to fulfil their need without making mistakes.
    Leitung: Sester, Monika
    Team: Yuan, Yunshuang
    Jahr: 2020
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • Group formation in shared spaces
    In shared spaces (a special type of mixed traffic), the lack of separation between traffic participants may cause traffic jams and unsafe situations in rush hours. To protect vulnerable road users and improve the efficiency when passing through a shared space, the road users with similar origin and destination can form a group, then all groups will coordinate a virtual intersection which shows the feasible crossing priorities to avoid collision. The project will deal with research problems such as online multi-agent path finding (MAPF), group merging and splitting, graph search and cooperative intersection management (CIM).
    Leitung: Sester
    Team: Li
    Jahr: 2020
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2020-2023
  • d-E-mand
    Eine zentrale Voraussetzung für die Elektro-Mobilitätswende ist der Aufbau einer flächendeckenden Infrastruktur und digitalen Services für alle Arten von Elektrofahrzeugen. Diese Services sollen die bedarfsgerechte Versorgung der Elektro-Verkehrsteilnehmer mit Strom auch bei lokalen Engpässen und erhöhtem Bedarf gewährleisten. Das Ziel des Projekts ist die Schaffung einer Geschäftsgrundlage für KMUs und Start-Ups für neuartige Dienstleistungen bezogen auf die Bedienung von erhöhtem räumlich-zeitlichen Ladebedarf von Elektrofahrzeugen und Eröffnung neuer Geschäftsfelder in diesem Bereich. Darüber hinaus sollen für Großunternehmen, wie Netzbetreiber und Ladestations Hersteller, entsprechende Analytics-Schnittstellen zur Bedarfsermittlung und Optimierung der Energieversorgung geschaffen werden. Mit den im Projekt entwickelten Lösungen wird ein erheblicher Beitrag geleistet, um Probleme wie den erhöhten Ladebedarf bei Großveranstaltungen, die Minderung der Netzbelastung oder den erhöhten Ladebedarf bei hoher Verkehrslast zu lösen.
    Leitung: Sester, Monika; Feuerhake, Udo
    Team: Leichter, Artem
    Jahr: 2020
    Förderung: BMBF
    Laufzeit: 1.1.2020-30.6.2023
  • Verkehrsregulator Erkennung und Identifizierung aus Crowdsourced Daten
    Die Kartierung mit Vermessungsgeräten ist ein zeit- und kostenintensives Verfahren, das die häufige Kartenaktualisierung unbezahlbar macht. In den letzten Jahren haben sich viele Forschungen darauf konzentriert, solche Probleme zu beseitigen, indem man sich auf Crowdsourced-Daten stützt, wie zum Beispiel GPS-Traces. Eine wichtige Informationsquelle für Karten, insbesondere unter Berücksichtigung der bevorstehenden Nutzung von autonomen Fahrzeugen, sind die Verkehrsregulatoren. Diese Informationen fehlen in Karten wie OpenstreetMap (OSM) weitgehend und diese Forschung ist durch diese Tatsache motiviert.
    Leitung: Sester, Monika
    Team: Zourlidou, Stefania
    Jahr: 2020
  • MOBILISE - Mobiler Mensch: Trajektorienanalyse für unsicheres Fahrverhalten
    „MOBILISE“ ist die Forschungslinie Mobilität im Rahmen des Masterplans für die Wissenschaftsallianz zwischen der Technischen Universität Braunschweig und der Leibniz Universität Hannover, in deren Rahmen das Thema Mobilität der Zukunft interdisziplinär erforscht wird. Sie beschäftigt sich mit vielen Aspekten der Mobilität, von der Luftfahrt über Fahrzeuge bis hin zur Digitalisierung. In der Maßnahme „Mobiler Mensch – Intelligente Mobilität in der Balance von Autonomie, Vernetzung und Security“ haben sich an der Leibniz Universität Hannover ein Dutzend Forscher zusammengeschlossen, die bereits an verschiedenen Facetten der Mobilität geforscht haben. Aktuell wirken 13 Professoren und Professorinnen aus unterschiedlichen Fakultäten an dem thematischen Feld „Mobiler Mensch“ mit. Die wissenschaftliche Initiative wird von Prof. Kurt Schneider und Prof. Monika Sester geleitet. Durch die involvierten Fakultäten Elektrotechnik und Informatik, Geodäsie und Bauingenieurwesen, Philosophie/Ethik und Juristische Fakultät und die damit verbundenen Kompetenzen findet ein interdisziplinärer Austausch und somit eine multiperspektivische Erarbeitung des Themas statt.
    Leitung: Sester
    Team: Koetsier
    Jahr: 2020
    Förderung: MWK Niedersachsen
    Laufzeit: 2018-2022
  • USEfUL-XT
    USEfUL-XT: Umsetzung und Verstetigung des Entscheidungs- und Unterstützungstools für Urbane Logistik in verschiedenen Raum- und Gebietstypen Das Projekt baut auf dem Vorgängerprojekt USEfUL auf und ist eine Kooperation mit verschiedenen wissenschaftlichen Partnern und der Landeshauptstadt Hannover.
    Leitung: Sester, Monika; Feuerhake, Udo
    Team: Wage, Oskar
    Jahr: 2021
    Förderung: BMBF Förderkennzeichen 03SF0609C
    Laufzeit: 01.01.2021 - 31.12.2022
  • 5GAPS - Anwendung im Bereich Urbane Logisitk
    Das Projekt 5GAPS (Access to Public Spaces) entwickelt ein alternatives 5G-mobilfunkgestütztes, zeitlich dynamisches Positionierungssystem auf Basis eines digitalen Zwillings des öffentlichen und halböffentlichen Raums in Form eines dreidimensionalen Rasters. Am ikg werden die Themen 1) Lokalisierung innerhalb und mit Hilfe der 3D-Struktur 2) Visualisierung und Interaktion mit der 3D-Struktur 3) Anwendung der 3D-Struktur für die urbane Logistik bearbeitet.
    Leitung: Sester, Monika; Feuerhake, Udo
    Team: Wage, Oskar
    Jahr: 2022
    Förderung: Bundesministerium für Digitales und Verkehr, Förderkennzeichen: 45FGU121_E
  • Mobile Mapping Bike
    Das ikg Mobile Mapping Bike ist eine Ergänzung zu bestehenden Mobile Mapping Systemen wie sie am Instituts für Kartographie und Geoinformatik eingesetzt werden, die klassischerweise auf einem Auto oder Transporter montiert sind. Dabei ermöglicht das Lastenfahrrad die Abdeckung bzw. Erschließung abgelegener, verwinkelter oder unzugänglicher Regionen. Aber auch eigenständig kann das Mobile Mapping Bike nicht nur die Umgebung erfassen, sondern auch verschiedene andere Messwerte mit Georeferenzierung anreichern. Außerdem kann es einfacher für studentische Projekte genutzt und umkonfiguriert werden, da kein Führerschein benötigt wird und die Soft- und Hardware flexibel angepasst werden kann.
    Leitung: Schimansky, Wage, Golze, Feuerhake
    Jahr: 2023
    Förderung: Institutsprojekt
    Laufzeit: fortlaufend
    Mobile Mapping Bike Mobile Mapping Bike
  • Prediction of behaviour and its storage in maps
    In the context of the RTG i.c.sens, the behavior of objects and phenomena in the environment will be studied in order to describe it and store it in maps.
    Leitung: Sester, Monika
    Team: Xu, Yiming
    Jahr: 2023
    Förderung: DFG Graduiertenkolleg i.c.sens
    Laufzeit: 2022-2024

3D-Visualisierung

  • Bubble Slide
    3D Punktwolken erlauben eine völlig neue Visualisierungsmöglichkeit, indem eine Ansicht von oben mit einer Seitenansicht kombiniert werden kann. Dies wird erreicht, indem in der Vogelperspektive, in der beispielsweise nur Gebäudedächer, aber keine Fassaden zu sehen sind, die Fassaden längs der Straße mit einer virtuellen Kugel nach außen gedrängt werden.
    Leitung: Brenner, Claus
    Team: Brenner
    Jahr: 2017
  • Visualisierung von Punktwolken mittels Parallax Scrolling
    Für die Visualisierung von Mobile Mapping Daten wurde ein Visualisierungsansatz aus dem Computerspielbereich adaptiert.
    Team: Eggert, Sester
    Jahr: 2017
  • Generalisierung mittels Deep Learning
    Am ikg wird die Möglichkeit erforscht, das Problem der Generalisierung mittels Deep Learning zu lösen. In einem ersten Ansatz wurde ein Neuronales Netz zur Erzeugung von Gebäudegeneralisierungen in drei Maßstäben genutzt.
    Leitung: Sester
    Team: Sester, Feng, Thiemann
    Jahr: 2018
    Förderung: Institutsmittel
  • Visuelle Kommunikation zur Verhaltenssteuerung bei der Routenwahl
    Die individuelle Entscheidung für eine bestimmte Verkehrsmodalität und Route hängt von verschiedenen Gegebenheiten ab. Insbesondere wird Information über das erwartete Verkehrsgeschehen als wichtig erachtet. Untersucht werden soll daher, ob die Vermittlung der aktuellen und der voraussichtlichen Situation vor Ort (inklusive Angabe bestimmter Sicherheiten) dazu führt, eine andere Route oder gar eine andere Modalität zu wählen.
    Leitung: Sester
    Team: Fuest
    Jahr: 2018
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • Controlling pedestrian motion using Augmented Reality
    Controlling pedestrian motion pattern using augmented reality requires explainable visualizations to convince the user to change directions and speed of motion. Such AR visualizations should avoid cognitive overload and should provide motion guidance that are accurate representations of expected user actions to avoid conflicts / collisions.
    Leitung: Sester
    Team: Kamalasanan, Vinu
    Jahr: 2020
    Förderung: DAAD - im Rahmen des GRK SocialCars
    Laufzeit: 2020-2024
  • 5GAPS - Visualisierung und Interaktion
    Das Projekt 5GAPS (Access to Public Spaces) entwickelt ein alternatives 5G-mobilfunkgestütztes, zeitlich dynamisches Positionierungssystem auf Basis eines digitalen Zwillings des öffentlichen und halböffentlichen Raums in Form eines dreidimensionalen Rasters. Am ikg werden die Themen 1) Lokalisierung innerhalb und mit Hilfe der 3D-Struktur 2) Visualisierung und Interaktion mit der 3D-Struktur 3) Anwendung der 3D-Struktur für die urbane Logistik bearbeitet.
    Leitung: Sester, Feuerhake
    Team: Shkedova, Olga; Mortazavi, Faezeh; Wage, Oskar
    Jahr: 2022
    Förderung: Bundesministerium für Digitales und Verkehr, Förderkennzeichen: 45FGU121_E
    Laufzeit: 01.01.2022 - 31.12.2024
  • DiViAS - Digitalisierung, Visualisierung und Analyse von Sammlungsgut
    Digitalisierung, Visualisierung und Analyse von Sammlungsgut (DiViAS) Der Forschungsverbund DiViAS bringt wissenschaftliche Methoden und Praktiken beim Digitalisieren, Erforschen und Repräsentieren von Sammlungsgut aus kolonialen Kontexten zusammen. Das Projekt verbindet systematisch die Expertise aus Museums-, Geschichts- und Kulturwissenschaften mit derjenigen aus Technik und Informatik – etwa in puncto Künstliche Intelligenz (KI), Datenanalyse, Geoinformatik und dreidimensionaler Messtechnik. Das Projekt wird aus dem Programm „zukunft.niedersachsen“ der VolkswagenStiftung gefördert. Am ikg werden Möglichkeiten der Visuellen Kommunikation von raum-zeitlichen Objekten und Phänomenen unter dem Gesichtspunkt der Unsicherheit untersucht.
    Leitung: Sester
    Team: Fuest
    Jahr: 2024
    Förderung: MWK zukunft.niedersachsen

Laserscanning

  • Solarertrag an Fassaden
    Mit der Transformation des Energie­systems auf regenerative Formen ist die dezentrale Nutzung der solaren Strahlungsenergie von herausragender Bedeutung.
    Leitung: Sester
    Team: Hai Huang
    Jahr: 2017
    Förderung: Kooperation in Forschungszentrum LiFE2050
  • Nachwuchsgruppe der Volkswagenstiftung
    Automatische Verfahren zur Fusion, Reduktion und konsistenten Kombination komplexer heterogener Geoinformation Bevor dreidimensionale Modelle genutzt werden können, müssen sie im ersten Schritt erfasst und später aktuell gehalten werden. Dies ist heute ein sehr zeit- und kostenintensiver Vorgang. Genau an diesem Punkt setzt die Thematik der Nachwuchsgruppe an: Die Erstellung von dreidimensionalen Modellen soll automatisiert werden, durch vollautomatische und semiautomatische Verfahren, den Einsatz modernster Erfassungssysteme, sowie der Zusammenführung von verschiedenen Datenquellen. Bei den Erfassungssystemen steht insbesondere das Laserscanning im Vordergrund, welches erst seit einigen Jahren zum Einsatz kommt und die Messung von Zehntausenden dreidimensionaler Punkte innerhalb weniger Sekunden erlaubt. Die Nachwuchsgruppe besteht aus insgesamt drei Wissenschaftlern. Sie wird von der VolkswagenStiftung für die Dauer von 5 Jahren mit insgesamt 1,2 Mio. Euro gefördert. Leiter der Nachwuchsgruppe ist Dr.-Ing. Claus Brenner. Die Nachwuchsgruppe ist an der Universität Hannover angesiedelt, aufnehmendes Institut ist das Institut für Kartographie und Geoinformatik.
    Leitung: apl. Prof. Claus Brenner
    Team: Dr.-Ing. Nora Ripperda, Dr.-Ing. Christoph Dold
    Jahr: 2017
  • LiDAR Mobile Mapping
    Für die dichte und genaue Erfassung der Umgebung vom Boden aus können heute Mobile Mapping Fahrzeuge eingesetzt werden. Im Vergleich zu früheren Verfahren, bei denen Messsysteme an mehreren Stellen aufgebaut werden mussten, kann so die Erfassung im fließenden Verkehr stattfinden. Bei den LiDAR (Light Detection and Ranging) Systemen wurde die Scangeschwindigkeit in den letzten Jahren zudem um den Faktor 20 verbessert. So werden heute Erfassungsraten von mehr als einer Million 3D Punkte pro Sekunde erreicht. Das ikg verfügt über ein Mobile Mapping System der Firma Riegl, welches in der Regel auf einem VW Bus eingesetzt wird. Im Vergleich zu Systemen, welche ausschließlich auf Kameras beruhen, bietet LiDAR den Vorteil der sehr dichten, detaillierten und genauen Erfassung. Neben der Fahrbahnoberfläche lassen sich auch Objekte des Straßenraums direkt in 3D erfassen, z.B. Schilder, Ampeln, Beleuchtungsmasten, Oberleitungen sowie die Vegetation.
    Leitung: Brenner
    Team: Brenner, Schachtschneider, Peters
    Jahr: 2017
    Laufzeit: Kontinuierlich
  • Massiv Kollaborative Erfassung von dynamischen Umgebungen und ihre Abbildung in digitalen Karten
    Selbstfahrende Autos und autonome Roboter benötigen hochgenaue Modelle ihrer Umgebung, um über lange Zeit sicher agieren zu können. Doch natürliche Umgebungen wie Straßenzüge enthalten dynamische Objekte und verändern sich mit der Zeit: Gebäude werden neu gebaut, Bäume gepflanzt und Autos unterschiedlich geparkt Da solche Umgebungen nicht permanent erfasst werden können und es immer eine erste Fahrt in einer veränderten Umgebung geben wird, wird ein Umgebungsmodell benötigt, welches mögliche Veränderungen berücksichtigt.
    Leitung: Brenner
    Team: Schachtschneider, Brenner
    Jahr: 2017
    Förderung: DFG-Graduiertenkolleg i.c.sens
    Laufzeit: 2016-2021 (erste Phase)
  • 3D-Objektextraktion aus hochaufgelösten 3D-Punktwolken
    In den Landesvermessungsbehörden liegen flächendeckende, kontrollierte Airborne Lascerscanning-Datensätze mit unterschiedlichen Punktdichten vor, welche i.d.R. mindestens in die Klassen Boden- und Nichtbodenpunkte differenziert wurden. In der Arbeitsgemeinschaft der Vermessungsverwaltungen (AdV) wird ein Aktualisierungszyklus von 10 Jahren diskutiert. Weiterhin leiten die Landesvermessungsämter auf Basis von digitalen Bildflügen mit hohen Überlappungen 3D-Punktwolken mit dem sogenannten „Dense-Image-Matching“-Verfahren (DIM) ab, welche eine Auflösung im Pixelbereich besitzen. Radiometrische Information aus den Luftbildern ergänzen die Informationstiefe dieser Punktwolken, welche aufgrund der Bildkorrelation in der Regeln auf ein Oberflächenmodell begrenzt sind. Hierbei ist ein 2-3-jähriger Befliegungszyklus die Basis.
    Leitung: Sester, Monika
    Team: Politz, Florian
    Jahr: 2017
    Förderung: Forschungs- und Entwicklungsvorhaben zwischen den Landesvermessungsämtern Niedersachsen, Schleswig-Holstein und Mecklenburg-Vorpommern
    Laufzeit: seit 2017
  • Objekterkennung in ALS-Daten mittels Deep Learning
    In Zusammenarbeit mit dem Niedersächsischen Landesamt für Denkmalpflege entwickeln wir ein Verfahren zur automatischen Erkennung archäologischer Objekte in luftgetragenen Laserscandaten. Die Art der Objekte, die entdeckt werden sollen, ist hauptsächlich für Archäologen von Interesse, wie z. B. Haufen, Schächte, Holzkohlepfähle, Gruben, Schubkarren, Bombenkrater, Hohlwege usw. Es kann sich um spitze, lineare oder flächige Objekte handeln. Zu diesem Zweck verwenden wir tiefe Lerntechniken; nämlich Faltungsneuronale Netze (CNNs) zum Klassifizieren von Höhenbildern aus der Region von Interesse. Eine Kombination mehrerer (in den meisten Fällen 5) CNN-Klassifikatoren wird dann verwendet, um interessierende Objekte in einem aus der interessierenden Region erfassten digitalen Geländemodell zu erkennen und zu lokalisieren.
    Leitung: Sester, Monika
    Team: Kazimi, Bashir; Thiemann, Frank
    Jahr: 2018
    Förderung: MWK Pro*Niedersachsen
    Laufzeit: 2018-2020
  • TransMIT - Ressourcenoptimierte Transformation von Misch- und Trennentwässerungen in Bestandsquartieren mit hohem Siedlungsdruck
    Zunehmende Starkregenereignisse und wachsende Stadtquartiere stellen die Siedlungsentwässerung vor große Herausforderungen. Am Beispiel von drei Quartieren der Städte Braunschweig, Hannover und Hildesheim wird gezeigt, wie bei einer Quartiersplanung die städtebaulichen mit wasserwirtschaftlichen Aspekte langfristig verknüpft werden können.
    Leitung: Dr.-Ing. M. Beier; Prof. S. Köster, ISAH; Prof. Sester, ikg
    Team: Yu Feng, Udo Feuerhake
    Jahr: 2019
    Förderung: BMBF
    Laufzeit: 2019-2022
  • Localization and mapping using maximum consensus
    The long-term goal of this research topic is the creation of a localization and mapping algorithm, which is robust against outliers and disturbances. The research project is embedded in the Research Training Group “Integrity and Collaboration in Dynamic Sensor Networks (i.c.sens)” and primarily aims at improving integrity measures. The research is devided into two steps. In the first step, the localization considering the map as known is examined. In the second step, the problem will be extended treating the map as unknown as well.
    Leitung: Brenner
    Team: Axmann
    Jahr: 2020
    Förderung: DFG Graduiertenkolleg i.c.sens
    Laufzeit: 2016-2024
  • d-E-mand
    Eine zentrale Voraussetzung für die Elektro-Mobilitätswende ist der Aufbau einer flächendeckenden Infrastruktur und digitalen Services für alle Arten von Elektrofahrzeugen. Diese Services sollen die bedarfsgerechte Versorgung der Elektro-Verkehrsteilnehmer mit Strom auch bei lokalen Engpässen und erhöhtem Bedarf gewährleisten. Das Ziel des Projekts ist die Schaffung einer Geschäftsgrundlage für KMUs und Start-Ups für neuartige Dienstleistungen bezogen auf die Bedienung von erhöhtem räumlich-zeitlichen Ladebedarf von Elektrofahrzeugen und Eröffnung neuer Geschäftsfelder in diesem Bereich. Darüber hinaus sollen für Großunternehmen, wie Netzbetreiber und Ladestations Hersteller, entsprechende Analytics-Schnittstellen zur Bedarfsermittlung und Optimierung der Energieversorgung geschaffen werden. Mit den im Projekt entwickelten Lösungen wird ein erheblicher Beitrag geleistet, um Probleme wie den erhöhten Ladebedarf bei Großveranstaltungen, die Minderung der Netzbelastung oder den erhöhten Ladebedarf bei hoher Verkehrslast zu lösen.
    Leitung: Sester, Monika; Feuerhake, Udo
    Team: Leichter, Artem
    Jahr: 2020
    Förderung: BMBF
    Laufzeit: 1.1.2020-30.6.2023
  • Incremental Map Refinement
    For autonomous systems, an accurate and precise map of the environment is of importance. Such precise maps can be gained from information acquired by distributed sensors. Then they have to be integrated and aggregated, taking the respective accuracies and sensor characteristics into account.
    Leitung: Sester, Monika
    Team: Zou, Qianqian
    Jahr: 2020
    Förderung: DFG-Graduiertenkolleg i.c.sens
    Laufzeit: 2016-2024
  • Uncertainty Estimation of LiDAR Scene Semantic Segmentation (DFG i.c.sens)
    Despite the capability of advanced deep learning models to accurately assign semantic labels to LiDAR point clouds, there is a notable lack of methods for uncertainty quantification. However, the estimation of uncertainty is essential for assessing the reliability of any prediction, particularly for safety-critical systems such as autonomous vehicles that rely on real data, including LiDAR point clouds. These systems need not only to perceive their surroundings but also to quantify uncertainty to avoid over-reliance on potentially erroneous predictions. Two primary types of uncertainty are generally distinguished: epistemic and aleatoric. Epistemic uncertainty, which arises from the model itself, reflects the reliability of a model’s predictions, whereas aleatoric uncertainty stems from characteristics inherent in the data.
    Leitung: apl. Prof. Claus Brenner
    Team: M.Sc. Hanieh Shojaei Miandashti
    Jahr: 2022
    Förderung: DFG Graduiertenkolleg i.c.sens
  • 5GAPS - Lokalisierung
    “Lokalisierung von mobilen Objekten in 3D-Rasterdaten” Das Projekt 5GAPS entwickelt ein alternatives 5G-mobilfunkgestütztes, hochgenaues und um Eigenschaften erweitertes dynamisches Positionierungssystem auf Basis eines digitalen Zwillings des (halb)öffentlichen Raums in Form eines 3-D-Rasters und führt erste Proofs-of-Concept durch. Das Projekt wird mit verschiedenen Partnern aus Wissenschaft und Wirtschaft bearbeitet. Am Institut für Kartographie und Geoinformatik sollen dabei Aufgaben im Bereich der Erfassung, Verarbeitung und Visualisierung der hochdimensionalen Daten durchgeführt werden.
    Leitung: Sester, Monika
    Team: Faezeh Sadat Mortazavi
    Jahr: 2022
    Förderung: Bundesministerium für Digitales und Verkehr, Förderkennzeichen: 45FGU121_E
    Laufzeit: 2022-2024
  • Mobile Mapping Bike
    Das ikg Mobile Mapping Bike ist eine Ergänzung zu bestehenden Mobile Mapping Systemen wie sie am Instituts für Kartographie und Geoinformatik eingesetzt werden, die klassischerweise auf einem Auto oder Transporter montiert sind. Dabei ermöglicht das Lastenfahrrad die Abdeckung bzw. Erschließung abgelegener, verwinkelter oder unzugänglicher Regionen. Aber auch eigenständig kann das Mobile Mapping Bike nicht nur die Umgebung erfassen, sondern auch verschiedene andere Messwerte mit Georeferenzierung anreichern. Außerdem kann es einfacher für studentische Projekte genutzt und umkonfiguriert werden, da kein Führerschein benötigt wird und die Soft- und Hardware flexibel angepasst werden kann.
    Leitung: Schimansky, Wage, Golze, Feuerhake
    Jahr: 2023
    Förderung: Institutsprojekt
    Laufzeit: fortlaufend
    Mobile Mapping Bike Mobile Mapping Bike

Datenintegration

  • Beseitigung von Geometrischen Konflikten zwischen Kataster- und Topographischen Datensätzen
    Werden Datensätze unabhängig voneinander erhoben, gewartet und fortgeführt, können Konflikte in Geometrie und Semantik entstehen, selbst wenn dieselben Objekte in beiden Datensätzen beschrieben werden. Besonders aus finanzieller Sicht ist es wünschenswert diese zu harmonisieren, um den Aufwand für Erhebung und Fortführung zu reduzieren.
    Team: Thiemann, Schulze, Sester
    Jahr: 2015
    Förderung: Forschungs- und Entwicklungsvorhaben zwischen den Landesvermessungsämtern Niedersachen, Schleswig-Holstein und Mecklenburg-Vorpommern
    Laufzeit: 2015-2017
  • Bestimmung und Extraktion von Landmarken
    Bisherige Routen- und Navigationsanweisungen nutzen üblicherweise nur Strecken- und Richtungsangaben (z.B.: nach 200 m rechts abbiegen), um die Strecke dem Nutzer zu kommunizieren. Am Institut wird untersucht, wie Routenbeschreibungen mit Hilfe zusätzlicher Daten um Orientierungspunkte, sogenannte Landmarks, erweitert werden können, um die Navigationsinformation dem Nutzer noch effektiver vermitteln zu können.
    Team: Elias
    Jahr: 2017
  • Integration heterogener Vektordaten
    Die effektive Nutzung von Informationsquellen wird in Zukunft eine der Hauptaufgaben unserer Informationsgesellschaft darstellen. Hier werden die Geowissenschaften einen grundlegenden Beitrag leisten. Im Rahmen des Geotechnologienprojekts - Informationssysteme im Erdmanagement, wird an drei Instituten der Universität Hannover an „neuen Methoden der semantischen und geometrischen Integration von geotechnologischen Fachthemen mit ATKIS - am Beispiel geologischer und bodenkundlicher Geoobjekte“ geforscht.
    Leitung: Sester, Monika
    Team: von Gösseln, Guido
    Jahr: 2017
    Förderung: BMBF-Geotechnologien
    Laufzeit: 2007-2009
  • SPIRIT - Spatially Aware Information Retrieval on the Internet
    Das EU-Projekt SPIRIT hat sich zum Ziel gesetzt, eine Internet-Suchmaschine mit der Fähigkeit zur "intelligenten" raumbezogenen Suche zu entwickeln. Das IKG untersucht in diesem Zusammenhang Methoden zur semantischen Anreicherung von web-pages und geographischen Datensätzen sowie die Möglichkeit, Skizzen zur Formulierung von Sucheingaben verwenden zu können.
    Team: Kopczynski
    Jahr: 2017
  • Landmarken-basierte Navigation von Fußgängern auf Geodaten beliebiger Repräsentation
    Im Rahmen des DFG-geförderten Projektes sollen Verfahren zur Verbesserung von Fußgängernavigationssystemen entwickelt werden. Es werden sowohl Verfahren aufgebaut, um automatisch aus bestehenden Geo-Datenbeständen Fußgängernavigationsdaten abzuleiten. Zum anderen wird die Integration von passenden Landmarken-Objekten in die Routenbeschreibungen, um diese nutzerfreundlicher zu gestalten, vorangetrieben.
    Team: Elias, Mondzech
    Jahr: 2017
  • Aktualisierung Digitaler Geländemodelle und deren Integration mit Vektordaten des ATKIS DLM
    Das Ziel der Forschungskooperation ist die Entwicklung eines Verfahrens zur weitgehend automatischen Aktualisierung des ATKIS DGM5, der Integration mit dem ATKIS BasisDLM sowie der Generalisierung zur konsistenten Nutzbarmachung der topographischen Informationen in kleinen Maßstäben. Zu aktualisierende Bereiche müssen erkannt werden, sodass innerhalb dieser Bereiche spezielle Verfahren eingesetzt werden können, um den Datenbestand auf den neusten Stand zu bringen. Hier spielt insbesondere die Konsistenz zwischen der zweidimensionalen Darstellung der Geländetopographie, repräsentiert durch das ATKIS Basis DLM und der durch das DGM5 repräsentierten dritten Dimension eine wichtige Rolle (Datenintegration und Harmonisierung). Als Schwerpunkt werden Verfahren entwickelt, die es erlauben, das aktualisierte DGM konsistent mit den entsprechenden Vektordaten auch für kleinere Maßstäbe nutzbar zu machen.
    Jahr: 2017
  • Development of a Cadastral Fabric through the Integration of Legacy Cadastral Data
    Despite the fact that spatial data integration has a relatively long history in the geospatial research community, some fundamental challenges still remain, in particular, the integration of spatial data involving boundaries in general and cadastres in particular. This is because boundaries (for example, administration and political) and cadastres (land parcel boundaries) which have much in common but in a broader sense: have a legal basis; are created from data that is acquired over a long period of time; and sometimes in a sporadic and unsystematic manner.
    Jahr: 2017
  • Automatisierte Geometrische Registrierung von Katasterkarten
    Diese Forschungsarbeit beschäftigt sich mit der automatisierten geometrischen Registrierung von analogen Katasterkarten und digitalen topographischen Karten anhand von Punkt-Objekten. Ziel der Arbeit ist es, die bislang übliche manuelle Georeferenzierung zu ersetzen und dadurch die Aktualität und Genauigkeit der Katasterkarten zu erhöhen und gleichzeitig geometrisch und topologisch zu verbessern.
    Jahr: 2017
  • Automatic Semantic Transformation between Geo-Ontologies
    Im Rahmen des Projektes steht die Entwicklung von semantischen Datenintegrations-Techniken im Vordergrund. Ziel ist es, die Interoperabilität von Geodaten verschiedener Herkunft, die in großer Anzahl bereits durch das Internet zur Verfügung stehen, voranzutreiben.
    Jahr: 2017
  • Geodatenintegration/-fusion, Datenqualität
    Heterogene Daten stellen eine Herausforderung für Geodateninfrastrukturen dar. Daten unterschiedlicher Herkunft, Zeitpunkte und Erfassungskriterien müssen konsistent zu einem einheitlichen Datenbestand zusammen geführt werden. Im Rahmen des vom BMBF geförderten GDI-Grid Projektes werden offene Webdienste für die Integration, Fusion und Annotation von Geodaten sowie zur Beurteilung deren Qualität entwickelt.
    Jahr: 2017
  • VGI-LOC: Zukunftslabor Wasser - ZDIN
    Das ikg ist Partner im Projekt Zukunftlabor Wasser, einer vom MWK geförderten Initiative zur Digitalsierung im Bereich Wasser.
    Leitung: Sester, Monika
    Team: Tim Schimansky
    Jahr: 2022
    Förderung: MWK Niedersachsen
    Laufzeit: 2022-2025

Robotik

  • Erstellung dynamischer Karten durch kooperative Fahrzeuge
    Bereits heute sind viele Fahrzeuge mit Sensoren versehen, wodurch eine sehr große Menge sensorieller Daten über den Straßenraum zur Verfügung steht. Bisher werden diese Sensordaten nur individuell von jedem Fahrzeug ausgewertet. Beispielsweise werten Assistenzsysteme die Lage aus und leiten daraus ihr unmittelbares Verhalten (z.B. Notbremsung) ab. Das abgeleitete Wissen steht jedoch anderen Verkehrsteilnehmern nicht zur Verfügung. Dies hat den Nachteil, dass ein Aufbau von Wissen, beispielsweise über gefahrenträchtige Orte, nicht stattfindet.
    Team: Busch, Brenner
    Jahr: 2017
    Förderung: Deutsche Forschungsgemeinschaft (DFG)
  • Bright delight: Kommunikation von Roboter und Mensch
    Steffen Busch und Alexander Schlichting vom IKG sind mit ihrem Team Bright Delight unter den sechs Finalisten des Valeo Innovation Challenge, die ihren Prototypen am 28.09.2015 in Paris vorstellen durften.
    Leitung: Brenner
    Team: Busch, Schlichting
    Jahr: 2017
  • Landmarkenbasierte Positionsbestimmung
    Im Rahmen des Projekts sollen Verfahren entwickelt werden, um eine hochgenaue Positionierung von Fahrzeugen relativ zu ihrer Umgebung zu ermöglichen. Weiterhin soll untersucht werden, inwieweit eine detaillierte Umgebungsbeschreibung für die Interpretation der Szene, z.B. für aktive Fahrerassistenzsysteme, genutzt werden kann.
    Team: Schlichting, Brenner
    Jahr: 2017
  • Semantic Segmentation of Point Clouds using Semi Supervised Transfer Learning
    Semantic segmentation in 3d describes a point wise classification of point clouds. We think this task is challenging because on one side it is hard for humans to annotate the necessary data, because objects may appear ambiguous and labelling in 3d can be time consuming. On the other hand it appears that there is still no preferred way of how the data should be processed in order to use it with deep neural networks.
    Leitung: Brenner
    Team: Peters, Torben
    Jahr: 2017
    Förderung: DFG-Graduiertenkolleg i.c.sens
    Laufzeit: 2016-2024
  • Massiv Kollaborative Erfassung von dynamischen Umgebungen und ihre Abbildung in digitalen Karten
    Selbstfahrende Autos und autonome Roboter benötigen hochgenaue Modelle ihrer Umgebung, um über lange Zeit sicher agieren zu können. Doch natürliche Umgebungen wie Straßenzüge enthalten dynamische Objekte und verändern sich mit der Zeit: Gebäude werden neu gebaut, Bäume gepflanzt und Autos unterschiedlich geparkt Da solche Umgebungen nicht permanent erfasst werden können und es immer eine erste Fahrt in einer veränderten Umgebung geben wird, wird ein Umgebungsmodell benötigt, welches mögliche Veränderungen berücksichtigt.
    Leitung: Brenner
    Team: Schachtschneider, Brenner
    Jahr: 2017
    Förderung: DFG-Graduiertenkolleg i.c.sens
    Laufzeit: 2016-2021 (erste Phase)

Generalisierung

  • STROKES
    Grundlage der Implementierung der Netzwerkgeneralisierung ist eines der Gestaltgesetze: Das Gesetz der guten Fortsetzung („Good Continuation Grouping Principle“). Dieses Wahrnehmungsgesetz besagt, dass gerade verlaufende Linien, die sozusagen als ein durchgehender Pinselstrich (engl. stroke) gezogen werden können, als zusammengehörig empfunden werden. Diese Tatsache wurde von (Richard und Thomson 1999) auf die Generalisierung von linearen Strukturen übertragen.&nbsp; <link 294>mehr&gt;</link>
    Jahr: 2017
  • 3D-Gebäude-Generalisierung
    Aufgrund des hohen Erfassungsaufwandes für 3D-Daten ist es nahe liegend, bereits erfasste 3D-Daten einer breiten Nutzung zur Verfügung zu stellen. Die Detailliertheit der Daten muss jedoch den Erfordernissen des Anwenders angepasst werden. So sind Berechnungen wie z.B. Visualisierungen und Simulationen auf komplexen 3-dimensionalen Datenbeständen zeitaufwändig. Daher ist es für rechenintensive Anwendungen wichtig, die Komplexität der Daten durch Vereinfachung zu reduzieren. Die Computergrafik stellt Algorithmen bereit, die in Modellen mit sehr großer und redundanter Punktzahl die Zahl der Knoten, Kanten und Flächen reduziert. In Geoinformatik verfolgt man Ansätze, mit denen man weniger redundante Daten sinnvoll weiterreduzieren kann, ohne dabei die Geometrie (bzw. Morphologie) der Objekte zu zerstören.
    Jahr: 2017
  • WiPKA-DLM-DE
    Im Rahmen des Forschungsprojekts WiPKA – DLM-DE soll ein automatisches Verfahren zur Ableitung von CORINE Landcover (CLC) Daten aus dem ATKIS BasisDLM entwickelt werden. CLC ist ein europäisches Initiative zur flachendeckenden Erfassung von Landnutzungsarten.
    Jahr: 2017
  • Generalisierung von 3D-Stadtmodellen
    3D-Stadtmodelle können je nach Detailgrad extrem große Datenmengen umfassen. Für viele Berechnungen sind hochaufgelöste Modelle zu groß und zu detailliert. Aufgabe der Generalisierung ist es, aus einem detaillierten Modell mit möglichst geringem Bedeutungsverlust eine Darstellung in geringerer Auflösung zu gewinnen. Die Bedeutung eines Objektes und die Auswahl des besten Verfahrens zu seiner Generalisierung sind dabei allerdings stark anwendungsabhängig.
    Jahr: 2017
  • TASH
    Das Institut für Kartographie und Geoinformatik (IKG) hat seit 1970 einen Forschungs- und Entwicklungsschwerpunkt auf dem Gebiet der Erfassung, Auswertung und Darstellung topographischer Daten. Als das für Forschung und Praxis wichtigstes Ergebnis kann das Topographische Auswerte-System Hannover (TASH) angesehen werden. Das Programmsystem wird weiter entwickelt und gepflegt und dabei jeweils unterstützten Betriebssystemen (z. Zt. Windows NT 4 und Windows 2000) angepasst.
    Team: Sester, Thiemann
    Jahr: 2017
  • CHANGE
    Das Programmsystem CHANGE generalisiert Gebäude. Objektartengetrennt werden die Objekte mit der Generalisierungssoftware vektororientiert verarbeitet. Die Steuerung des Generalisierungsgrades erfolgt durch die Parameter Eingangs- und Folgemaßstab sowie graphische Mindestgrößen. Die standardmäßig vorgegebenen graphischen Mindestgrößen entsprechen den in der Literatur beschriebenen Größen. Der Programm-Ablauf erfolgt im Batchbetrieb und ist unabhängig von GIS- und graphischen System-Plattformen. Anwendungsbereiche sind topographische Kartographie und Geo-Informationssysteme (GIS).
    Team: Sester, Thiemann
    Jahr: 2017
  • TYPIFY
    Mit Typifizierung wird der Vorgang bezeichnet, aus einer gegebenen Objektmenge einen Teil zu reduzieren, dabei aber die räumliche Verteilung der Situation beizubehalten. Beispielsweise können in einem kleinen Maßstab nicht mehr alle Gebäude dargestellt werden - sie sind also sinnvoll zu reduzieren. Diese Reduktion kann jedoch nicht zufällig erfolgen, sondern muss die räumliche Verteilung der Objekte berücksichtigen. Hierfür wurde ein Verfahren entwickelt, welches auf der Basis von Kohonen Merkmalskarten arbeitet.
    Team: Sester, Thiemann
    Jahr: 2017
  • Generalisierung mittels Deep Learning
    Am ikg wird die Möglichkeit erforscht, das Problem der Generalisierung mittels Deep Learning zu lösen. In einem ersten Ansatz wurde ein Neuronales Netz zur Erzeugung von Gebäudegeneralisierungen in drei Maßstäben genutzt.
    Leitung: Sester
    Team: Sester, Feng, Thiemann
    Jahr: 2018
    Förderung: Institutsmittel
  • Controlling pedestrian motion using Augmented Reality
    Controlling pedestrian motion pattern using augmented reality requires explainable visualizations to convince the user to change directions and speed of motion. Such AR visualizations should avoid cognitive overload and should provide motion guidance that are accurate representations of expected user actions to avoid conflicts / collisions.
    Leitung: Sester
    Team: Kamalasanan, Vinu
    Jahr: 2020
    Förderung: DAAD - im Rahmen des GRK SocialCars
    Laufzeit: 2020-2024
  • PUSH -- Automatische Kartographische Verdrängung mittels Optimierung
    Das Programm PUSH ermöglicht die automatische Verdrängung von Geoobjekten aller Art. Die jeweiligen Objektcharakteristika, die die Verdrängung beeinflussen, lassen sich sehr flexibel parametrisieren. Die Ergebnisse erlauben eine automatische Qualitätskontrolle. Das Programm ist in der Lage, auch größere Datenbestände (z.B. Kartenblatt topographische Karte 1:50.000) zu bearbeiten.
    Team: Sester, Thiemann
    Jahr: 2021
    Laufzeit: laufend

Big Data und Machine Learning

  • Mining GPS-Trajectory Data for Map Refinement and Behavior Detection
    In today’s world, we have increasingly sophisticated means to record the movement of moving objects such as vehicles, humans and animals in the form of spatio-temporal trajectory data. As a consequence of this development, increasing volumes of such data are being accumulated at an extremely fast rate. A trajectory is usually represented by an array of structured positions in space and time, i.e. each has a signature of specific location (geospatial coordinate tags) in time (time stamp tags).
    Jahr: 2017
  • Q-Trajectories - Dezentrale Bestimmung von Bewegungsmustern aus Trajektorien
    Ziel dieses Teilprojekts ist die Erkennung und Bewertung von Bewegungsmustern in Trajektorien mit Hilfe effizienter, dezentraler Analysemethoden. Dabei sollen Auffälligkeiten und kritische Verhaltensweisen ausfindig gemacht werden. Anwendungsmöglichkeiten für ein derartiges Verfahren könnten u.a. größere Sensor-/Kameranetze zur Überwachung von Menschenmengen (z.B. Stau, Gruppenverhalten, …) oder zur Beobachtung von Verhalten von Tieren sein.
    Jahr: 2017
  • Anomalous Pattern Detection from GPS-Trajectories
    The anomalous pattern detection is of great interest for the applications in the areas of navigation/driver assistant system, surveillance and emergency management. In this work we focus on the GPS-Trajectories finding where the driver is encountering navigation problems.
    Jahr: 2017
  • RainCars
    Ziel des Projektes RainCars ist die Verbesserung bisheriger Methoden zur Niederschlagsschätzung durch die Verwendung von Sensoren in Autos. Überschwemmungen verursachen auch in Deutschland regelmäßig große Schäden. Eine bessere flächendeckende Erfassung des Niederschlags könnte für genauere Vorhersagen sorgen. Ziel des Projekts RainCars ist die Verbesserung der räumlichen Niederschlagsschätzung durch zusätzliche Messungen mit Autos deren Scheibenwischer als Sensoren zur Regenmessung dienen. Der Kerngedanke: Relativ ungenaue Messungen an sehr vielen Orten sind besser als exakte Messungen an sehr wenigen Orten.
    Leitung: Sester, Monika
    Team: Fitzner, Daniel
    Jahr: 2017
    Förderung: DFG
    Laufzeit: 2013-2017
  • Echtzeitvorhersage für urbane Sturzfluten und damit verbundene Wasserkontamination (EVUS)
    Ziel dieses Projektes ist die Entwicklung eines schnellen Prognosemodells für Sturzflut in der Stadt Hannover. Hauptziel des Teilprojekts für das ikg ist die Integration neuer Sensoren für die Hochwasservorhersagemodelle.
    Leitung: Sester, Mpnika
    Team: Feng, Yu
    Jahr: 2017
    Förderung: BMBF Georisiken
    Laufzeit: 2017-2019
  • Ja, wo laufen sie denn?
    Für Profi-Trainer oder auch einfache Hobby-Kicker. Vielen Fußballbegeisterten wird der Weg zum Taktikfuchs durch eine automatisierte Spielanalyse am Computer erleichtert. Ausgeklügelte Verfahren ermöglichen eine einfachere Bewertung der Leistung der Akteure.
    Leitung: Feuerhake, Udo
    Jahr: 2017
    Förderung: Ausgangspunkt: DFG-Projekt Q-Trajectories
    Laufzeit: laufend
  • Szenenanalyse - Mustererkennung in Personentracks
    Ziel des Projektes ist die automatische Erkennung von Mustern in Trajektorien von Personen, die in Videosequenzen detektiert und verfolgt worden sind. Die Grundhypothese ist dabei, dass sich mögliche Gefahrenquellen durch ein auffälliges Bewegungsverhalten erkennen lassen. Im Projekt sollen Individual- und Gruppenmuster, sowie die Feststellung, wann ein Muster als auffällig zu charakterisieren ist, aus den Daten abgeleitet und gelernt werden.
    Leitung: Sester, Monika
    Team: Fischer, Colin
    Jahr: 2017
    Förderung: BMBF
    Laufzeit: 2010-2013
  • 3D-Objektextraktion aus hochaufgelösten 3D-Punktwolken
    In den Landesvermessungsbehörden liegen flächendeckende, kontrollierte Airborne Lascerscanning-Datensätze mit unterschiedlichen Punktdichten vor, welche i.d.R. mindestens in die Klassen Boden- und Nichtbodenpunkte differenziert wurden. In der Arbeitsgemeinschaft der Vermessungsverwaltungen (AdV) wird ein Aktualisierungszyklus von 10 Jahren diskutiert. Weiterhin leiten die Landesvermessungsämter auf Basis von digitalen Bildflügen mit hohen Überlappungen 3D-Punktwolken mit dem sogenannten „Dense-Image-Matching“-Verfahren (DIM) ab, welche eine Auflösung im Pixelbereich besitzen. Radiometrische Information aus den Luftbildern ergänzen die Informationstiefe dieser Punktwolken, welche aufgrund der Bildkorrelation in der Regeln auf ein Oberflächenmodell begrenzt sind. Hierbei ist ein 2-3-jähriger Befliegungszyklus die Basis.
    Leitung: Sester, Monika
    Team: Politz, Florian
    Jahr: 2017
    Förderung: Forschungs- und Entwicklungsvorhaben zwischen den Landesvermessungsämtern Niedersachsen, Schleswig-Holstein und Mecklenburg-Vorpommern
    Laufzeit: seit 2017
  • Interdisciplinary Center for Applied Machine Learning - ICAML
    Das ICAML (Interdisziplinäres Zentrum für Angewandtes Maschinelles Lernen) hat das Ziel, maschinelles Lernen interdisziplinär zugänglich zu machen. Um dieses Ziel zu erfüllen, werden drei fundamentale Komponenten der Lehre entwickelt und eingesetzt.
    Leitung: Werner, Sester
    Team: Leichter, Artem
    Jahr: 2018
    Förderung: Bundesministerium für Bildung und Forschung
    Laufzeit: 11/2017-11/2019
  • Objekterkennung in ALS-Daten mittels Deep Learning
    In Zusammenarbeit mit dem Niedersächsischen Landesamt für Denkmalpflege entwickeln wir ein Verfahren zur automatischen Erkennung archäologischer Objekte in luftgetragenen Laserscandaten. Die Art der Objekte, die entdeckt werden sollen, ist hauptsächlich für Archäologen von Interesse, wie z. B. Haufen, Schächte, Holzkohlepfähle, Gruben, Schubkarren, Bombenkrater, Hohlwege usw. Es kann sich um spitze, lineare oder flächige Objekte handeln. Zu diesem Zweck verwenden wir tiefe Lerntechniken; nämlich Faltungsneuronale Netze (CNNs) zum Klassifizieren von Höhenbildern aus der Region von Interesse. Eine Kombination mehrerer (in den meisten Fällen 5) CNN-Klassifikatoren wird dann verwendet, um interessierende Objekte in einem aus der interessierenden Region erfassten digitalen Geländemodell zu erkennen und zu lokalisieren.
    Leitung: Sester, Monika
    Team: Kazimi, Bashir; Thiemann, Frank
    Jahr: 2018
    Förderung: MWK Pro*Niedersachsen
    Laufzeit: 2018-2020
  • Räumliche und räumlich-zeitliche GARCH Modelle
    Das Projekt beschäftigt sich mit einem Teilgebiet der räumlichen Statistik, die sich insbesondere mit der Analyse von Zufallsprozessen im Raum befasst. Bei der Analyse solcher Prozesse lässt sich häufig feststellen, dass Beobachtungen, die sich in räumlicher Nähe zueinander befinden, ähnlich sind. Wenn beispielsweise die Grundstückspreise in einer Gemeinde hoch sind, so lassen sich auch hohe Preise in den umliegenden Gemeinden erwarten. Neben dieser räumlichen Abhängigkeit in der Höhe der Beobachtungen lässt sich auch eine räumliche Abhängigkeit in der Streuung der Beobachtungen sowie der bedingten Heteroskedastizität feststellen. In dem Projekt sollen Modelle hierfür entwickelt und erweitert werden. Die räumlichen Modelle bilden dabei eine Analogie zu dem ARCH-Modell von Robert F. Engle (1982) in der Zeitreihenanalyse, der hierfür 2003 mit dem Nobelpreis für Wirtschaftswissenschaften geehrt wurde.
    Leitung: Prof. Dr. Philipp Otto
    Team: Anna Malinovskaya
    Jahr: 2019
    Förderung: Deutsche Forschungsgemeinschaft
  • Statistical estimation of high-dimensional, spatial dependency structures using machine learning methods
    The project deals with an important, fundamental problem of spatial and spatiotemporal statistics – the full estimation of the underlying spatial dependence structure. For these models, the focus has so far been on processes showing a dependence in the conditional means. That is, the mean of a realization of the random process at a particular measurement point depends on the adjacent observations. This finding goes back to Tobler’s first law of Geography. The surrounding observations are defined on the basis of their geographical proximity, although this does not necessarily lead to a dependence of the observations of the random variables, i.e. the covariances. Various application examples will be used to demonstrate how the estimated parameters can be interpreted. Here, the focus will be on natural processes in the environment, such as air pollution or particulate matter. Using freely available sensor data, the results can be used, for example, to obtain local predictions of fine dust pollution in an urban area, which can then be used for optimal routing with respect to air quality.
    Leitung: Prof. Dr. Philipp Otto
    Jahr: 2019
    Förderung: Deutsche Forschungsgemeinschaft
  • TransMIT - Ressourcenoptimierte Transformation von Misch- und Trennentwässerungen in Bestandsquartieren mit hohem Siedlungsdruck
    Zunehmende Starkregenereignisse und wachsende Stadtquartiere stellen die Siedlungsentwässerung vor große Herausforderungen. Am Beispiel von drei Quartieren der Städte Braunschweig, Hannover und Hildesheim wird gezeigt, wie bei einer Quartiersplanung die städtebaulichen mit wasserwirtschaftlichen Aspekte langfristig verknüpft werden können.
    Leitung: Dr.-Ing. M. Beier; Prof. S. Köster, ISAH; Prof. Sester, ikg
    Team: Yu Feng, Udo Feuerhake
    Jahr: 2019
    Förderung: BMBF
    Laufzeit: 2019-2022
  • Statistical network monitoring
    The application of network analysis has found great success in a wide variety of disciplines; however, the popularity of these approaches has revealed the difficulty in handling networks whose complexity scales rapidly. One of the main interests in network analysis is the online detection of anomalous behaviour. To overcome the curse of dimensionality, we compose the monitoring procedures which reduce the network complexity so that the structural information is preserved. The methods are mainly based on statistical process control which are optimised with different mathematical network modelling and machine learning techniques.
    Team: Malinovskaya, Otto
    Jahr: 2020
  • AgrImOnIA: The impact of agriculture on air quality and the COVID-19 pandemic
    Die Lombardei in Norditalien und Niedersachsen sind Regionen, in denen die Viehhaltung den überwiegenden Anteil an den landwirtschaftlichen Erträgen hat. Gleichzeitig gehört die Ebene der Lombardei zu den Gebieten in Europa, in denen die Feinstaubbelastung am höchsten ist. Welchen Einfluss hat die Landwirtschaft auf die Luftverschmutzung, welche Rolle haben andere Faktoren wie etwa der Verkehr oder die geografische Lage? Dieser Frage gehen wir in dem neuen europäischen Projekt „Agriculture Impact On Italian Air“ (AgrImOnIA) ab Herbst 2021 gemeinsam mit Partnern der Universitäten Bergamo, Turin und Mailand-Bicocca mit Hilfe statistischer und datenwissenschaftlicher Methoden nach. Wir werden die Ergebnisse für die Lombardei mit den Erkenntnissen für Niedersachen vergleichen und die Modelle auch für Niedersachsen validieren.
    Team: Otto, Shaboviq
    Jahr: 2021
    Förderung: Cariplo Foundation (European Project)
  • Uncertainty Estimation of LiDAR Scene Semantic Segmentation (DFG i.c.sens)
    Despite the capability of advanced deep learning models to accurately assign semantic labels to LiDAR point clouds, there is a notable lack of methods for uncertainty quantification. However, the estimation of uncertainty is essential for assessing the reliability of any prediction, particularly for safety-critical systems such as autonomous vehicles that rely on real data, including LiDAR point clouds. These systems need not only to perceive their surroundings but also to quantify uncertainty to avoid over-reliance on potentially erroneous predictions. Two primary types of uncertainty are generally distinguished: epistemic and aleatoric. Epistemic uncertainty, which arises from the model itself, reflects the reliability of a model’s predictions, whereas aleatoric uncertainty stems from characteristics inherent in the data.
    Leitung: apl. Prof. Claus Brenner
    Team: M.Sc. Hanieh Shojaei Miandashti
    Jahr: 2022
    Förderung: DFG Graduiertenkolleg i.c.sens
  • Gauss-Zentrum
    Ziel des Projekts ist die Entwicklung von Methoden zur automatisierten Klassifizierung, Speicherung und Analyse von Geodaten unterschiedlichen Alters und unterschiedlicher Qualität. Von großem Interesse ist hierbei die Analyse von Zeitreihen zur Gewinnung von Information über Veränderungen der Landschaft, welche für weiterführende Untersuchungen zu verschiedenen räumlichen Prozessen die Grundlage bilden, zum Beispiel im Kontext von Fragen der Entwicklung von besiedelten Flächen oder des Umweltschutzes. Geodaten unterschiedlicher Herkunft und unterschiedlichen Alters weisen in der Regel sehr heterogene Strukturen auf, sodass eine Analyse in Zeitreihen mittels herkömmlicher Methoden nicht möglich ist. In dem Projekt werden die Voraussetzungen geschaffen, eine universelle Zeitreihenanalyse auf historischen, räumlichen Daten durchzuführen, indem sie als semantisch strukturierte Objekte in einer Datenbank abgelegt werden. Folgende Forschungsleitfragen sollen in diesem Zusammenhang beantwortet werden: - Wie können historische Karten, aber auch historische Luftaufnahmen zusammen mit aktuellen räumlichen Daten gespeichert und Veränderungen über die Zeit analysiert werden? - Welche (Geo-)Informationen lassen sich aus historischen Kartenwerken oder historischen Luftbildern verlässlich ableiten? - Kann dies in einer größtenteils automatisierten Verfahrensweise erfolgen (KI-Unterstützung, speziell Deep Learning) und auf weitere Kartenwerke übertragen werden? - Welche Struktur muss eine Datenbank aufweisen, um Daten aus verschiedenen Quellen aufzunehmen und in Einklang zu bringen? - Können aus den Ergebnissen der Zeitreihenanalyse für ausgewählte Prozesse die wesentlichen Einflussfaktoren identifiziert werden? Der Fokus der Untersuchungen liegt auf den Möglichkeiten einer harmonisierten Analyse von historischen und modernen Daten. Weitere Informationen zum Projekt finden sich hier: https://www.gausszentrum.uni-hannover.de
    Leitung: Sester, Monika; Otto, Philipp
    Team: Fangueng, Mireille; Thiemann, Frank; Yuan, Yunshuang
    Jahr: 2023
    Förderung: BKG - Bundesamt für Kartographie und Geodäsie
    Laufzeit: 2023-2025
  • Diffusions-Chronometrie von magmatischen Systemen (FOR 2881)
    Diffusions-Chronometrie von magmatischen Systemen Geologische Prozesse laufen in und auf der Erde über eine Reihe von Zeitskalen ab, die eine verschachtelte, hierarchische Struktur bilden. Die Bestimmung der Dauer von Prozessen, die am kürzeren Ende dieses Zeitspektrums stattfinden, ist eine Herausforderung. Die Instrumente der Diffusions-Chronometrie haben sich als vielversprechende Methode erwiesen, die in vielen Situationen Lösungen bietet. Magmatische Systeme mit hohen Temperaturen bieten ein hervorragendes natürliches Labor für die Entwicklung und Kalibrierung dieser Instrumente, da verschiedene Arten von Beobachtungen aus Überwachungsvulkanen eine Gegenkontrolle der Ergebnisse ermöglichen. In der Folge können die neu entwickelten und verfeinerten Instrumente dann auf ein viel breiteres Spektrum geologischer und planetarischer Gegebenheiten angewendet werden. Am ikg werden Verfahren des Deep Learning (DL) untersucht und entwickelt, die eine automatische Verarbeitung erlauben und somit zu einer starken Beschleunigung der Interpretation der Daten führen. Die DL-Verfahren werden dabei geschickt verknüpft mit der Möglichkeit, die Interaktion mit einem Menschen zu ermöglichen. Die Forschungsgruppe wird koordiniert von Prof. Sumit Chakraborty, Ruhr Universität Bochum. An der Leibniz Universität sind weiterhin die Gruppen von Prof. Holtz und Prof. Weyer aus der Mineralogie maßgeblich beteiligt.
    Leitung: Sester
    Team: Leichter
    Jahr: 2024
    Förderung: DFG

Abschlussarbeit Fussball

  • Fußball-Analyse am Computer: Tracking von Objekten mit Hilfe unterschiedlicher nicht-statischer Kameraperspektiven
    Die Grundlage für viele Analysen im Bereich der Fußballanalyse ist die Information über die Bewegungen der Spieler (und des Balls). Diese Bewegungen werden als Trajektorien, also einer zeitlichen Abfolge von Objektpositionen, modelliert. Die Erfassung der Trajektorien ist jedoch eine komplexe Problemstellung. Daher werden u.a. Tracking-Verfahren genutzt, die Spieler- und Ballpostionen in Bildern/Videos ermitteln. Viele Ansätze für das sogenannte Video-Tracking bedingen die Verwendung von statischen (fest installierten, nicht beweglichen) Kameras.
    Leitung: Feuerhake
    Jahr: 2017
  • Fußball-Analyse am Computer: Identifikation von Spielern anhand typischer Bewegungen
    Bei der Analyse von sich bewegenden Objekten spielt die Erkennung von typischen Bewegungen bzw. Bewegungsmustern eine wichtige Rolle. Dieses gilt auch bei der Analyse von Fußballspielen. Dort werden bspw. wiederkehrende, also typische, Bewegungen dazu genutzt, um Rückschlüsse auf die Taktik und auf die Eigenheiten der Spieler selbst ziehen zu können.
    Leitung: Feuerhake
    Jahr: 2017
  • Fußball-Analyse am Computer: FootballAnalysisVR – Nutzung eines Virtual Reality-Systems zur Analyse und Visualisierung von Fußballspielen
    In dieser Abschlussarbeit soll ein Virtual Reality-System (VR-App für Smartphone/PC) entwickelt werden, mit dem ein Anwender in Lage versetzt wird, das Spiel aus der Sicht eines beteiligten Spielers oder Schiedsrichters zu erleben.
    Leitung: Feuerhake
    Jahr: 2017
  • Fußball-Analyse am Computer: Ermittlung von Spielerrollen aus Basis ihrer Bewegungstrajektorien
    Für viele weiterführende Analysen eines Fußballspiels (z.B. die Analyse des Verhaltens eines Teams in Offensiv- bzw. Defensivsituationen) ist nicht nur die Information über die jeweiligen Spieler (aktuelle Position, Geschwindigkeit, usw.) wichtig, sondern auch die Rollen, die die Spieler im Spiel bekleiden.
    Leitung: Feuerhake
    Jahr: 2017
  • Fußball-Analyse am Computer: Ermittlung der Ballposition auf Basis der Spielerbewegungen
    Je nach System ist es manchmal nicht möglich, Informationen über die Position des Balls zu erhalten. So kann ein Ball bspw. nur schwer mit einem GPS-Sensor ausgestattet werden, oder aber die genutzten Kameras sind auf Grund der Entfernung oder der Geschwindigkeit nicht in der Lage, den Ball zu detektieren. Ohne die aktuelle Ballposition sind viele aussagekräftige Analysen nicht durchführbar.
    Leitung: Feuerhake
    Jahr: 2017
  • Fußball-Analyse am Computer: Automatische Detektion von Offensivsituationen und deren Muster
    In dieser Bachelor-/Masterarbeit sollen die Fragen geklärt werden, ob es typische Offensivstrategien gibt und wie sie automatisch erkannt und extrahiert werden können.
    Leitung: Feuerhake
    Jahr: 2017

Sonstige Studierendenprojekte

  • Praxisprojekt NuUR II 2013
    Leitung: Paffenholz
    Jahr: 2013
  • Studentisches Forschungs- und Entwicklungsprojekt 2013/2014
    Leitung: Paffenholz, Bischof
    Jahr: 2013

Bachelorseminar

  • 3D-Stadtmodell
    3D-Stadtmodellen können dafür genutzt werden, sich in einer fremden Stadt zu orientieren und sich ein Bild von der Umgebung zu machen. Navigationssysteme sind schon heute ein hilfreiches Utensil auf jeder Reise. Die zusätzliche Möglichkeit, Karten in Zukunft dreidimensional darstellen zu können, würde diese Navigationssysteme weiter verbessern. Eine weitere Anwendung von 3D-Stadtmodellen liegt im Bereich der Touristik. Sehenswürdigkeiten können besonders hervorgehoben werden, und eine Erkundung dervirtuellen Stadt samt Einkaufsmöglichkeiten ist bereits im Vorfeld vom heimischen PC aus möglich.
    Leitung: von Gösseln, Brenner
    Jahr: 2007
  • Genauigkeitsuntersuchung der Kartenherstellung mittels Mobile Mapping
    Ziel des Bachelorprojekts war es, die Lagegenauigkeit einer Punktwolke, welche mit einem "Mobile Mapping System" aufgenommen wurde, zu untersuchen. Aus der Punktwolke soll es später möglich sein, eine Karte von Landmarkenobjekten mit einer Genauigkeit von unter 10 cm zu erzeugen. Um eine Genauigkeitsaussage über das Ergebnis treffen zu können, wurden mittels Totalstation geeignete Objekte als Kontrollpunkte eingemessen und als Referenz genutzt.
    Leitung: Hofmann
    Jahr: 2016
  • GPS-Track-Visualisierer
    In Zeiten der immer günstiger werdenden GPS-Handgeräte und –Uhren nutzen immer mehr Sportler verschiedenster Disziplinen (Wandern, Segeln, Laufen, Skaten, Fahrrad- und Motorradfahren, Gleitschirmfliegen, Kanu, Bergsteigen etc.) die Möglichkeit, mithilfe des frei verfügbaren GPS-Dienstes ihren zurückgelegten Weg aufzuzeichnen. Die so gewonnenen Tracks können nicht nur in Verbindung mit Luftbildern oder Kartenmaterial zum Nachvollziehen und Dokumentieren der Tour verwendet werden, sondern bieten darüber hinaus vielseitige Möglichkeiten der Analyse. Sportler können sich Größen, wie Geschwindigkeit, Steigung, Höhe, etc. auf Basis der aufgezeichneten Daten berechnen und anzeigen lassen. Dadurch bieten sich GPS-Tracks als modernes Werkzeug zur Trainings- und Leistungsanalyse an. noch ein text
    Leitung: Anders, Elias, Thiemann
    Jahr: 2017
  • Walkabout: Location Based Services mit Android und dem Google Phone
    Die heutige Marktendwicklung macht es für jeden Bürger leicht sich ein Smartphone mit GPS Antenne zu einem überschaubaren Preis zu besorgen. Ausreichende Genauigkeit in der Positionierung und Leistung der Geräte machen deshalb Location Based Services (LBS) möglich und sollten als nützlicher Bestandteil der mobilen Welt genutzt werden. LBS stellen ortsbezogene Informationen zur Verfügung
    Leitung: Eggert
    Jahr: 2017
  • StreetBump: Smartphone-basierte Schlaglochdetektion
    Aufnahme von Test- und Referenzdaten Zu Beginn mussten Testdaten (Verortete Accelerometer-Messungen) beschafft werden, die später im Algorithmus ausgewertet werden sollten. Dazu wurde zunächst auf der Kniggestraße eine Testfahrt durchgeführt. Wie sich später herausgestellt hat, waren die Daten jedoch für das Projekt nicht geeignet, da diese durch die Vielzahl von Schlaglöchern stark verrauscht waren. Deshalb haben wir uns für eine weitere Teststrecke (die Bückeburger-Allee) entschieden und dort eine weitere Testfahrt durchgeführt. Dort gibt es zahlreiche Gullideckel, die sich gut eignen, da sie sehr tief im Straßenbelag liegen und weit genug voneinander entfernt sind. Die Lage der Gullideckel wurde später aus Google Earth abdigitalisiert.
    Leitung: Eggert
    Jahr: 2017
  • Identifikation von Objekten in Laserscannerpunktwolken und deren Nutzung zur Registrierung und Referenzierung
    Leitung: Paffenholz, Hofmann
    Jahr: 2017

Projektseminar

  • Hydrographische Aufnahme und Auswertung des Staubereichs einer Talsperre
    Jahr: 2001
  • Aufnahme und Visualisierung eines 3D Stadtmodells von Hannover
    Ziel des Projektseminars ist neben luftgestützten und terrestrischen Erfassungstechniken auch die entsprechende Auswertesoftware und deren Vor- und Nachteile kennen zu lernen. Mit Hilfe automatischer und halbautomatischer Auswerteverfahren werden große Teile des Stadtmodells rekonstruiert. Wahrzeichen von Hannover sowie architektonisch besonders wertvolle Straßenzüge werden zusätzlich terrestrisch mit Nahbereichsphotogrammetrie oder Laserscanning erfasst und modelliert. Daneben wurden die Messkampagnen selbstständig geplant und durchgeführt. Anschließend erfolgt die Auswertung der Einzelergebnisse und am Ende die Zusammenführung zu einem Gesamtmodell. Das Ergebnis dieses Projektes ist die Visualisierung eines Fluges durch ein dreidimensionales Stadtmodell von Hannover.
    Jahr: 2004
  • Das mobile Stadtinformationssystem
    Das Ziel des Projektes CityInfo ist es, einer ortsfremden Person die Sehenswürdigkeiten (Points of Interest - POIs) einer Stadt durch ein mobiles Informationssystem näher zu bringen. Das Projekt ist Teil eines hochaktuellen Forschungsgebietes, den Location Based Services (LBS). Die Projektteilnehmer lernen in diesem Forschungsgebiet neben der Anwendung und Gestaltung von LBS, den Umgang mit aktuellen mobilen Endgeräten, sowie GIS-Systemen, als auch das Arbeiten mit Multimedia-Werkzeugen und gegenwärtigen Erfassungstechniken.
    Jahr: 2005
  • GeoScope - Interaktive Visualisierung von ortsbezogenen Geoinformationen
    Im Projektseminar „GeoScope“ wurde ein Mixed-Reality Ein-/ Ausgabegerät für Publikumsanwendungen mit zugehöriger Software und geeigneten Präsentations- und Interaktionstechniken entwickelt. Mixed-Reality ist die Anreicherung einer realen Umgebung mit zusätzlichen virtuellen Informationen.
    Jahr: 2006
  • GeoPilot – Automatische Verschlagwortung und Georeferenzierung von Fotos
    Das Projektseminar GeoPilot wurde in Zusammenarbeit mit dem IPI realisiert. Ziel des im Rahmen des Projektes entwickelten Systems ist die automatische Verschlagwortung und Georeferenzierung von Fotos: Für jedes von einem Benutzer aufgenommene Foto wird in einer Datenbank nach Entsprechungen gesucht. Damit kann das Foto automatisch mit der Aufnahmeposition und Schlagworten versehen werden. Ein bestimmtes Foto (z.B. das Leibnizhaus) kann danach sowohl nach räumlichen Kriterien (Innenstadt Hannover), als auch nach inhaltlichen Kriterien (Schlagwort: Fachwerkhaus) gefunden werden. So werden die bei modernen Digitalkameras oft sehr großen Fotomengen auch für Gelegenheitsnutzer einfach auffindbar gemacht.
    Jahr: 2008
  • Projektseminar FireNet 2009/2010
    In Deutschland müssen die örtlichen Feuerwehren laut dem Statistischen Bundesamt bis zu 3,7 Millionen Mal im Jahr ausrücken. Die Einsätze sind dabei vielfältig und zum Teil sehr gefährlich. Sie reichen von der Bergung von Tieren über Krankentransporte bis hin zu der Rettung bei Katastrophen und Bränden. Auch wenn die Hauptaufgabe darin besteht, die Sicherheit der Bürger zu gewährleisten, darf der Schutz der Feuerwehrleute dabei nie vernachlässigt werden. Sehr wichtig ist daher, dass die Einsätze stets gut koordiniert sind und man nach Möglichkeit ununterbrochen weiß, welche Person sich zu welcher Zeit an welchem Ort befindet. Hierfür lassen sich Geo-Sensornetze verwenden. Das diesjährige Projektseminar FireNet vom IKG und IFE beschäftigt sich mit der Umsetzung eines solchen einfachen Netzes für die Anwendung bei der Feuerwehr.
    Jahr: 2009
  • Projektseminar 2011/2012: ATEAM
    Im Rahmen des Projektseminars im Jahr 2011/2012 des Masterstudiengangs Geodäsie und Geoinformatik an der Leibniz Universität Hannover wird am Institut für Kartographie und Geoinformatik (IKG) das Programm “Ad-hoc Topographical Environment Acquisition and Modeling" (ATEAM) konzipiert und entwickelt werden. Das Ziel dieses Programms ist eine automatisierte Verarbeitung der Daten einer topographischen Geländeaufnahme, die dem Benutzer eine visuelle Unterstützung in Form eines Höhenmodells geben soll.
    Leitung: Schulze, Thiemann, Dahinden, Eggert
    Team: Frauke Bittner, Paul Czioska, Veronika Kraft, Alexander Schlichting, Michael Thies
    Jahr: 2011
  • Projektseminar 2012/2013: Mobile Mapping
    Ziel des Projektseminars war zum einen die Berechnung einer GNSS/INS-Integration, zum anderen die Verbesserung der Trajektorie gegenüber den Ergebnissen, die mit kommerzieller Software erzielt werden können, sowie schließlich die Ableitung von Gebäudemerkmalen für die Automatisierte Kaufpreissammlung (AKS).
    Leitung: Brenner, Alkhatib, Hofmann, Vennebusch, Weitkamp
    Team: Steven Curs, Johanna Göbel, Corinna Harmening, Steffen Hinze, Tammo Ibershoff, Toomaj Madinejad, Tobias Ott
    Jahr: 2012
  • Mobile Mapping in 4D
    Gerade große Städte weisen eine hohe Dynamik auf, deren Analyse Antworten auf viele Fragestellungen liefern kann: Welche Straßen sind zu welcher Tageszeit belebt? Liegen räumliche Engpässe vor? Ein mobiles Multisensorsystem (kurz: MSS) bietet die Möglichkeit solche Daten schnell und für einen großen Bereich zu sammeln und in diesen statische und bewegte Objekte zu detektieren. Ziel des Projektseminars war es mithilfe von 3D-Punktwolken die Veränderungsrate von Objekten in Hannover in einer Karte darzustellen. Dazu wurden mehrere Messungen mit dem Mobile Mapping Systems des Instituts für Kartographie und Geoinformatik durchgeführt. Die vollautomatische Segmentierung dynamischer Objekte wurde im Rahmen des Projektes in C++ implementiert. Lediglich die abschließende Darstellung der Ergebnisse in einer Karte erfolgt manuell. In einem Vorverarbeitungsschritt wird die Datenmenge mittels Down-sampling reduziert, sodass eine Punktdichte von 5 cm verbleibt. Des Weiteren ist die Positionierung durch das globale und inertiale Navigationssystem des MSS nicht genau genug, um eine exakte Detektion der Veränderungen zwischen zwei Zeitpunkten zu realisieren. Daher werden zu vergleichende Zeitpunkte dem „Iterativ Closest Point“-Algorithmus relativ zueinander registriert. Der mögliche Fehlereinfluss durch dynamische Objekte bei der Punktzuordnung wird minimiert, indem Korrespondenzen zurückgewiesen werden, wenn sie einen festgelegten Maximalabstand überschreiten. Nach dem Alignment der beiden Punktwolken wird die Bodenebene mittels „Random Sample Consensus“-Algorithmus eliminiert.
    Leitung: Bock, Schlichting
    Team: Carolin Böhme, Dennis Elschen, Eva Kemkes
    Jahr: 2015
  • ScanPos - Präzise Positionierung mit Laserscandaten
    Laserscanning gewinnt für Anwendungen in Fahrzeugen immer mehr an Bedeutung. So kann ein in der Front eines PKWs eingebauter Laserscanner das Vorfeld des Fahrzeuges erfassen und damit sich im Sichtfeld befindliche Gegenstände detektieren, mit denen es zu einer Kollision kommen könnte. Ein auf Laserscanning basierendes Assistenzsystem kann in die Führung des Fahrzeuges eingreifen und so plötzlich auftretenden Hindernissen auf der Fahrbahn, wie Fußgängern oder anderen Kraftfahrzeugen, ausweichen. Die Zeitspanne von der Erkennung des Hindernisses bis zur Reaktion und Einleitung des Ausweich- oder Bremsmanövers kann so deutlich verkürzt werden und somit zur Unfallverminderung beitragen. In Zukunft sollen Fahrerassistenzsysteme den Fahrer nicht nur bei der Führung des Fahrzeuges unterstützen, sondern dieses unter Umständen auch völlig autonom steuern können. Um dieses Ziel zu erreichen, ist es notwendig, dass die Standpunktinformationen, wie Position und Orientierung, jedes Fahrzeuges exakt bekannt sind.
    Jahr: 2017
  • "Leibniznavigator"
    Gerade für Erstsemester und Gäste der Leibniz Universität Hannover ist es am Anfang schwierig, sich in den Gebäuden der Universität zu orientieren und den gewünschten Raum zu finden. In anderen Universitäten und Hochschulen, z.B. in Augsburg oder Karlsruhe, wurden zu diesem Zweck Applikationen zur Navigation auf dem Campus und teilweise auch innerhalb der Gebäude entwickelt. Für die Leibniz Universität Hannover sollte nun im Rahmen des Projektseminars eine App zur Indoor- und Outdoornavigation entwickelt werden, den Leibniz Navigator. Dazu sollten jeweils unterschiedliche Methoden zur Lokalisierung und Navigation evaluiert und auf ihre Umsetzbarkeit geprüft werden. Abgesehen von diesem groben Rahmen wurde den Studierenden die Planung und Umsetzung der konkreten Details überlassen.
    Leitung: Brenner, Czioska, Feuerhake, Hofmann, Kuntzsch, Schlichting
    Team: Sercan Çakır, Frederic Hake, Lukas Hynek, Simone Görler, Richu Mary Shelly, Oskar Wage
    Jahr: 2017
  • Large scale mobile mapping and change detection
    Aufgabe des Projektseminars mit dem Titel „Large scale Mobile Mapping change detection“ war die Extraktion dynamischer Objekte, wie Fahrzeuge oder Fußgänger, aus Laserscanning-Daten eines Mobile-Mapping-Systems (siehe Abbildung 1). Zur Detektion der Dynamiken wurden zwei Ansätze gewählt: eine Änderungsdetektion sowie die Klassifizierung durch Verfahren des maschinellen Lernens. Im Falle der Änderungsdetektion werden zwei Punktwolken desselben Gebietes aus unterschiedlichen Messkampagnen miteinander verglichen. Statische Objekte zeichnen sich dadurch aus, dass innerhalb eines bestimmten Radius korrespondierende Punkte in beiden Datensätzen gefunden werden können. Kann für einen Punkt kein korrespondierender Punkt im jeweils anderen Datensatz gefunden werden, so wird dieser als dynamisch markiert.
    Leitung: Brenner, Schachtschneider, Schlichting
    Team: Adeolu Eribake, Ahmed Al-Taan, Anit Salgotra, Hasan Sharifi, Mirjana Voelsen
    Jahr: 2018
  • RideVibrations
    Das Fahrrad als alltägliches Fortbewegungsmittel wird immer beliebter. Doch viele Städte sind darauf noch nicht ausreichend eingestellt. Fahrradwege fehlen, enden plötzlich oder sind schlecht gepflegt. Wo Fahrradwege verlaufen, können Radler meist aus gängigen Kartendiensten ableiten. Wie schnell und wie bequem sie auf diesen Wegen ans Ziel gelangen, aber nicht. Daher wird von Studierenden in dem IKG-Projektseminar “Ride Vibrations” eine spezielle Navigationsanwendung für Fahrräder entwickelt, die komfortable Alternativrouten bereitstellen soll. Demo: https://webmap.ikg.uni-hannover.de/ridevibesweb/
    Leitung: Udo Feuerhake, Oskar Wage, Christan Koetsier
    Team: Studierende: SS19: Dingxin Jin, Md Abdullah Al Faisal, Deepak Savanur; WS19/20: Thido Beening, Samsondeen Dare, Anne Ponick, Niklas-Maximilan Schild
    Jahr: 2020
    Förderung: Institutsprojekt
    Laufzeit: fortlaufend

Bachelorarbeiten (abgeschlossen)

  • Navigation mit Landmarken (für PDA)
    Jeder kennt mit Sicherheit folgende Situation: Man befindet sich mitten in der Stadt und muss ein bestimmtes Ziel erreichen, doch hat keine Ahnung, wo das Ziel tatsächlich liegt und wie man am schnellsten dort hingelangt. Nun stehen einem verschiedene Möglichkeiten zur Lösung des Problems zur Verfügung.
    Leitung: Elias
    Team: Marion Horn, Julia Köpke
    Jahr: 2005
    Laufzeit: 2005
  • Visualisierung von Routen und Landmarken
    Die Fußgängernavigation ist ein Instrument, dem jetzt schon ein großes Potential zugesprochen wird. Navigationssysteme für Passanten ermöglichen z.B. eine mobile Bezahlung, wobei kein U-Bahn-Ticket mehr am Schalter gekauft werden muss, sondern mithilfe des Fußgängernavigationssystems, direkt in Abhängigkeit über die gefahrene Strecke abgebucht wird.
    Leitung: Elias
    Team: Berohze Ichhaporia
    Jahr: 2006
    Laufzeit: 2006
  • Filterung von Profilen aus digitalen Geländemodellen
    Digitale Geländemodelle stellen eine sehr kostengünstige Möglichkeit dar, an Höhendaten für einen Geländepunkt zu kommen. Durch die Vorlage der Daten in digitaler Form, ist Auswertung im Zeitalter der elektronischen Datenverarbeitung schnell und unkompliziert erledigt. Über die Genauigkeit der Datensätze werden oft nur wage Angaben gemacht. So gibt die Landesvermessung Niedersachsen an, dass der Abstand eines DGM5 - Qualitätsstufe 2 zur wahren Geländeoberfläche im Mittel bei 1,5m liegt. Durch eine Fehleranalyse von DGM5-Daten in dieser Arbeit wurde beleuchtet, was wirklich hinter der Aussagekraft einer mittleren Abweichung und hinter den Fehlereinflüssen, die auf eine Geländenachbildung durch ein digitales Geländemodell wirken, steckt.
    Leitung: Thiemann
    Team: Malte Jan Schulze
    Jahr: 2006
    Laufzeit: 2006
  • Untersuchung der Messgenauigkeit von Sportuhren mit Geschwindigkeits- und Entfernungsfunktion
    Heutzutage spielen Sportuhren zur Trainingssteuerung und -Dokumentation eine immer größer werdende Rolle. Während im Radsport seit Jahren Fahrradcomputer zum Einsatz kommen, steigt das Interesse an Entfernungs-, Geschwindigkeits- und Höhenmessungen in anderen Disziplinen stetig an. Gerade bei Sportarten wie Laufen oder Skifahren sind Planungs- und Analysemöglichkeiten gefragt.
    Leitung: Thiemann
    Team: Joachim Niemeyer, Jonathan Reusse
    Jahr: 2007
    Laufzeit: 2007
  • 3D-Visualisierung von Routen und Landmarken
    Navigationssysteme erfuhren in den letzten Jahren eine völlig neue Bedeutung, besonders in der Nutzung für die Navigation von Kraftfahrzeugen haben sie sich mittlerweile in der Gesellschaft etabliert. Auch Systeme zur Fußgängernavigation beispielsweise mittels PDA werden immer beliebter.
    Leitung: Elias
    Team: Raika Ost
    Jahr: 2007
    Laufzeit: 2007
  • Entwicklung einer Benutzeroberfläche zur manuellen Fassadenmodellierung mittels Grammatiken
    Heutzutage werden in der Geoinformatik und vielen anderen Disziplinen, wie beispielsweise der Architektur oder Stadtplanung, reichhaltige geometrische und semantische Informationen von Gebäuden benötigt. Mit diesen Informationen können 3D-Stadtmodelle erstellt werden, die in vielen Bereichen von Nutzen sind. Unter anderem wird die Navigation in der heutigen Gesellschaft zunehmend wichtiger. Bekannte Produkte wie Google Earth oder Microsoft Virtual Earth sind nur einige Beispiele, die demonstrieren, welch wichtige Stellung alle Arten von Geodaten heute einnehmen.
    Leitung: Ripperda
    Team: Matthias Uden
    Jahr: 2008
    Laufzeit: 2008
  • Entwicklung von Gütekriterien für die Gebäudegeneralisierung und deren Anwendung in einem Optimierungsansatz
    Die Generalisierung befasst sich im Allgemeinen mit der Gewinnung von weniger detaillierten und höher abstrahierten Daten aus einem gegebenen räumlichen Datensatz. Oft kommen dabei Optimierungsverfahren zum Einsatz. Diese Bachelorarbeit baut auf einem Optimierungsansatz für die Gebäudevereinfachung auf, der am ikg entwickelt wurde.
    Leitung: Haunert
    Team: Lena Albert
    Jahr: 2008
    Laufzeit: 2008
  • Echtzeit Temperaturkarte
    Weltweit gibt es verschiedene Organisationen und Firmen, die Temperaturen an bestimmten Orten messen und als Webdienst zur Verfügung stellen. Die Daten werden in unterschiedlichen Zeitintervallen erfasst und die Kosten und Nutzungsrechte variieren erheblich. Sieben Webdienste wurden bezüglich Aktualität, Datenhaltung, grafischer Aufbereitung, Kosten und Verwendungsrechte verglichen.
    Team: Jana Schmidt
    Jahr: 2008
    Laufzeit: 2008
  • Routenauswahlkriterien von Fußgängern
    Navigation ist schon seit der Antike ein wichtiges Thema, dem sich jeher Wissenschaftler und Techniker widmen. In der Vergangenheit verstanden nur wenige Menschen die Arbeit eines Navigators. Heute im einundzwanzigsten Jahrhundert kann dagegen nahezu jeder Mensch die bekannten Navigationssysteme für Fahrzeuge bedienen. Durch die wachsende Präsenz von mobilen Kleincomputern wie den PDAs und GPS fähigen Mobiltelefonen, wird dem Wunsch der Nutzern entsprochen, auch für Fußgänger ein zuverlässiges Navigationsgerätgerät zu entwickeln.
    Leitung: Paelke
    Team: Melanie Sarhage
    Jahr: 2009
    Laufzeit: 2009
  • Routenanweisung für Sehgeschädigte auf Basis von Openstreetmap-Daten
    In der freien Weltkarte Openstreetmap werden neben allgemeinen Informationen wie Straßenverlauf auch Daten erfasst, die speziell für die Navigation für Sehgeschädigte benutzt werden können. So wird etwa das Vorhandensein von sehbehindertengerechten Ampeln erfasst. Um solche Daten für die Navigation nutzen zu können, braucht es allerdings eine speziell angepasste Hard- und Software.
    Leitung: Dahinden
    Team: Schlichting
    Jahr: 2010
    Laufzeit: 2010
  • Thematische Karten auf Basis von Wikipedia
    Die Online-Enzyklopädie Wikipedia beinhaltet eine Vielzahl von Daten. Für eine automatische Auswertung sind vor allem die Informationsboxen von Bedeutung, da diese Daten in strukturierter Form enthalten. Um die Daten zu verwenden, muss man allerdings nicht direkt auf die Wikipedia zurückgreifen, da in einem Projekt namens Vorlagenauswertung diese Informationsboxen ausgewertet und zusammen mit dem Titel des jeweiligen Artikels in einer Datenbank abgelegt werden.
    Leitung: Dahinden
    Team: Frauke Bittner
    Jahr: 2010
    Laufzeit: 2010
  • Analyse und Entwicklung von mathematischen Beschreibungsregeln für die Formerkennung von topographischen Objekten
    Die Anzahl der verfügbaren Geodaten nimmt stetig zu. Dies ist auf zwei Trends zurückzuführen. Erstens sind einmal erfasste Daten nicht mehr an eine Anwendung gebunden, sondern werden oft interdisziplinär wiederverwendet. Zweitens werden umfangreiche Datensätze durch Laien erfasst, so z. B. im OpenStreetMap-Projekt (OSM). Die Daten des 2004 gegründeten Projekts sind unter einer offenen Lizenz frei verfügbar und können damit in eigenen Projekten verwendet werden.
    Leitung: Werder, Kieler
    Team: Christian Koepke
    Jahr: 2010
    Laufzeit: 2010
  • Extraktion und Visualisierung ortsbezogener Informationen mit Tag-Clouds
    Mobile Geräte wie Smartphones, Mobiltelefone, Netbooks und Tablets sind in unserer Zeit unerlässlich. Egal ob man sich zu einem Treffen verabreden, die neuesten Informationen erfahren oder sich einfach nur unterwegs beschäftigen will. Durch das mobile Internet wird dieser Aufschwung noch verstärkt, da man jederzeit verfügbar sein kann. Jedes dieser mobilen Geräte kann mehrere Sensoren (GPS-, Gyroskop-, Kompass-, Beschleunigungs- oder Lichtsensor) haben und jedes mobile Geräte benötigt ein Betriebssystem. Für viele dieser Betriebssysteme können Anwendungen (sogenannte Apps) geschrieben werden, die dann auf dem Handy laufen. Viele Informationen sind im Internet vorhanden.
    Leitung: Eggert
    Team: Oliver Flohr
    Jahr: 2011
    Laufzeit: 2011
  • Internationale Namen für die freie Seekarte OpenSeaMap
    OpenSeaMap ist ein Open-Source-Projekt zur Erstellung einer freien Seekarte. Es wurde im Jahr 2009 aufgrund eines hohen Bedarfs an frei zugänglichen Karten für die Seefahrt entwickelt. Zweck dieser freien Karte ist es für den Nutzer nautische und touristische Informationen zur Verfügung zu stellen, in ansprechender Weise zu visualisieren und diesen Datenbestand durch die Mitarbeit der Nutzer zu erweitern. Die Daten der OpenSeaMap sind unter einer offenen Lizenz frei verfügbar und können von jedem Nutzer damit beliebig genutzt und verändert werden.
    Leitung: Werder
    Team: Hue Kiem Pham
    Jahr: 2012
    Laufzeit: 2012
  • Untersuchungen zur Parallelisierung der Generalisierung großer Gebäude-Datenbestände
    Heutzutage stehen Geodaten in solchen Mengen zur Verfügung, dass eine Verarbeitung mit den herkömmlich zur Verfügung stehenden Rechenressourcen kaum mehr möglich ist. Dies betrifft neben der benötigten Rechenzeit vor allem den verfügbaren Arbeitsspeicher. Auch wenn die Leistung der Hardware weiterhin steigt, wächst der Umfang der zu verarbeitenden Daten in noch größerem Maße. Eine Verarbeitung großer Datenbestände kann daher nicht mehr am Stück erfolgen, eine Aufteilung der Daten ist erforderlich.
    Leitung: Thiemann
    Team: Thomas Globig
    Jahr: 2013
    Laufzeit: 2013
  • Entwurf und Implementierung eines Geographiespiels für mobile Endgeräte
    Das Ziel dieser Arbeit war es, eine an das Spiel ”Deutschland: Finden Sie Minden?” (Kosmos Verlag) angelehnte Android-Implementierung aus frei verfügbaren Internetquellen zu entwickeln.
    Leitung: Schlichting, Eggert, Dahinden, Wehrmarker
    Team: Sebastian Föllmer
    Jahr: 2013
    Laufzeit: 2013
  • Entwurf von Design-Studien zur Punktwolkenvisualisierung
    Heutzutage lassen sich Geodaten in Form von Punktwolken in einem sehr schnellem Tempo erzeugen. Mit Hilfe von verschiedenen Laserscanningverfahren wie dem terrestrischem, luftgestütztem oder mobilem Laserscanning entstehen massive Datenmengen mit Millionen von Punktkoordinaten.
    Leitung: Eggert
    Team: Igor Koch
    Jahr: 2014
    Laufzeit: 2014
  • Maschinelles Lernen von Generalisierungsregeln für Landnutzungsdaten
    Landnutzungsdaten werden in verschiedenen Systemen sowie Maßstäben bereitgestellt. Dazu zählen z.B. das Automatisierte Liegenschaftskataster-Informationssystem (ALKIS), das Amtliche Topographisch-Kartographische Informationssystem (ATKIS) sowie CORINE Land Cover (CLC). Mittels Generalisierung aus den jeweils höheraufgelösten Daten lassen sich die Systeme effizient fortführen. Die Systeme nutzen jeweils unterschiedliche Klassen und Aggregationen, wodurch geometrische und semantische Differenzen resultieren. Daher ist eine direkte Zuordnung einzelner Klassen nicht immer möglich.
    Leitung: Thiemann
    Team: Alessa Retat
    Jahr: 2014
    Laufzeit: 2014
  • Erkennung von Bewegungsmustern in Trajektorien zur Auswahl mobiler Dienste
    Smartphones sind aus unserem Alltag kaum noch wegzudenken. Durch die Vielzahl der Anwendung wird der Nutzer jedoch vor das Problem gestellt, dass die gesuchte Anwendung schwer zu finden ist. Hier sollen mobile Dienste Abhilfe schaffen, indem sie basierend auf Kontextinformationen automatisch den richtigen Dienst für den Nutzer auswählen.
    Leitung: Feuerhake, Gärtner
    Team: Raphael Voges
    Jahr: 2014
    Laufzeit: 2014
  • Ein optimales Maß für die Geländeundulation in Naturräumen
    In Deutschland treten viele verschiedene Geländeformen auf. Aus diesem Grund ist das Land in verschiedene Naturräume aufgeteilt. Ziel der Arbeit war es, diese Regionen Deutschlands hinsichtlich ihrer Geländeeigenschaften zu untersuchen. Hierfür wurden die Parameter zur Ermittlung der Geländeundulation untersucht. Weiterhin wurden auch die mittlere Kurvigkeit sowie die Neigung der Straßen als Kriterium zur Beschreibung der Topographie verwendet.
    Leitung: Thiemann, Schlichting
    Team: Melanie Bartsch
    Jahr: 2015
    Laufzeit: 2015
  • Wiedererkennen von Personen auf Basis ihrer Bewegungstrajektorie
    Heutzutage werden in vielen Bereichen Bewegungsinformationen von Personen gesammelt und analysiert. Auch beim Fußball werden verteilte Kameras genutzt, um die Spieler auf dem Feld zu verfolgen. Diese dabei generierten Trajektorien können für verschiedene Analysen genutzt werden. Hierbei kann jedoch das Problem entstehen, dass Spieler nicht durchgehend verfolgt werden können. Sei es, dass sie zwischen den Sichtfeldern der Kameras wechseln oder dass sie gar in unterschiedlichen Spielen beobachtet werden.
    Leitung: Feuerhake
    Team: Christian Sippel
    Jahr: 2015
    Laufzeit: 2015
  • Automatische Platzierung von Böschungsschraffen für archäologische Pläne
    Für die Darstellung von Wällen und Gräben in archäologischen Plänen werden Schraffen verwendet. Anders als bei neuzeitlichen künstlichen Böschungen sind die historischen Böschungen durch Einwirkung der Erosion sehr unregelmäßig geformt. Standardalgorithmen scheitern aus diesem Grund bei der automatischen Anordnung der Schraffen.
    Leitung: Thiemann
    Team: Niklas Brandes
    Jahr: 2015
    Laufzeit: 2015
  • Identifikation von Parkstreifen in topographischen Daten
    In der heutigen Zeit verbringt ein Großteil der Autofahrer zu viel Zeit damit, einen geeigneten Parkplatz zu suchen. Dies führt nicht nur zu gestressten Autofahrern sondern auch zu einem unnötigen CO2-Ausstoß. Zur Beseitigung dieses Parkplatzsuchverkehrs können dynamische Karten erstellt werden, die zum Beispiel auf dem Smartphone als App die freien Parkplätze in der näheren Umgebung anzeigen. Dafür muss die Lage der Parkplätze bekannt sein, jedoch wird diese bei amtlichen Vermessungen nicht explizit aufgenommen. In topographischen Liniendaten sind die Begrenzungen der Parkstreifen dennoch sichtbar.
    Leitung: Bock, Czioska
    Team: Simone Görler
    Jahr: 2015
    Laufzeit: 2015
  • Verfahren zur halbautomatischen Konsistenzprüfung der tatsächlichen Nutzung in ALKIS und ATKIS
    Die Landnutzungsdaten in den beiden amtlichen Informationssystemen ALKIS und ATKIS weisen oft Inkonsistenzen auf, unter anderem aufgrund von unterschiedlicher Erfassung und Fortführung, sowie einem unterschiedlichen Maßstab. Auch besitzen beide Systeme einen unterschiedlichen Objektarten- und Signaturenkatalog, wodurch eine direkte Zuordnung der tatsächlichen Nutzung aus beiden Systemen nicht immer ohne weiteres möglich ist.
    Team: Lukas Hynek
    Jahr: 2015
    Laufzeit: 2015
  • Modellierung von Trajektorien
    Dank globaler Navigationssatellitensysteme und deren kostenlosen Positionierungsdiensten, sowie kleinen, preiswerten GNSS-Empfängern, die heutzutage in den meisten Smartphones eingebaut sind, ist es so einfach wie nie zuvor, überall und jederzeit Bewegungen zu erfassen und aufzuzeichnen. Die dadurch entstehenden Datenmengen können schnell sehr groß werden. Dadurch werden diese Datensätze unpraktisch, wenn es um die Speicherung und Auswertung geht. Um dieses Problem zu beheben sind Verfahren notwendig, die die Daten reduzieren, dabei aber deren Informationsgehalt möglichst erhalten.
    Leitung: Colin Fischer
    Team: Sebastian Leise
    Jahr: 2016
    Laufzeit: 2016
  • Bewertung potentieller Ride-Sharing Treffpunkte anhand von Kartendaten am Beispiel Braunschweig
    Während der Wunsch nach individueller Mobilität ständig weiter wächst und die Verkehrsbelastung insbesondere in urbanen Räumen dementsprechend steigt, bleiben dennoch viele Sitzplatz­kapazitäten in privaten Fahrzeugen ungenutzt. Mitfahrgemeinschaften (engl. Ride-Sharing) können dieses Problem zumindest verbessern, indem die Auslastung von privaten Fahrten erhöht wird.
    Leitung: Czioska
    Team: Thomas Reinicke
    Jahr: 2016
    Laufzeit: 2016
  • Absolute Positionierung ohne GNSS-Signale mittels Laserscanning
    In dieser Bachelorarbeit wird eine Weiterentwicklung des in Schlichting und Feuerhake (2018) entwickelten Algorithmus zur absoluten Positionierung ohne GNSS-Signale mittels Laserscanning erarbeitet. Dabei wird während der Fahrt eine Sequenz von Scans aufgenommen, die anschließend mit einer vorher aufgenommenen Referenz verglichen wird. Durch das Suchen der besten Übereinstimmung zwischen Referenz und aufgenommener Sequenz wird die Position ermittelt. Nachdem im bisherigen Algorithmus die zu bestimmende Trajektorie zuvor auch exakt als Referenztrajektorie abgefahren sein musste, wurde in dieser Arbeit die Größe der Referenz dadurch reduziert, dass die Referenztrajektorie an den Kreuzungen aufgesplittet und neu zusammengesetzt wird, damit an Kreuzungen nicht alle Abbiegemöglichkeiten extra abgefahren werden müssen.
    Leitung: Feuerhake
    Team: Anne Ponick
    Jahr: 2018
  • Simulation von GPS-Trajektorien als Trainingsdaten für das maschinelle Lernen von Wegeachsen
    In dieser Arbeit wird ein Algorithmus zur Simulation von realitätsnahen GPS-Trajektorien, als Trainingsdaten für ein Convolutional Neural Network, für den Bewegungsmodus Kraftfahrzeug präsentiert. Dazu wird das Straßennetz aus OpenStreetMap für ein Auswahlgebiet zu einem routingfähigen Graphen aufbereitet. Den verschiedenen Straßentypen werden charakteristische Straßenbreiten und Fahrstreifenanzahlen zugewiesen, aufgrund dessen Hilfsgeometrien für Fahrspuren generiert werden.
    Leitung: Frank Thiemann, Prof. Sester
    Team: Thorben Freitag
    Jahr: 2018
  • Erzeugen von Routen unter Berücksichtigung der Sonneneinstrahlung
    Wie bereits seit 200 Jahren bekannt ist, leiden Bewohner der nördlichen Breiten überdurchschnittlich häufig unter einem Vitamin D Mangel. Um diesem entgegenzuwirken sollte sich der Mensch dem richtigen Maß an Sonnenstrahlung aussetzen. Für Stadtbewohner ist dieses Ziel während der Arbeitswoche jedoch schwer zu erreichen, da die meiste Zeit des Tages in geschlossenen Räumen verbracht wird. Gelöst werden soll dieses Problem durch ein Routing, welches Fußwege hinsichtlich der Sonneneinstrahlung optimiert. Wichtigste Faktoren sind neben der draußen verbrachten Zeit und der Fläche der von der Sonne bestrahlten Haut die Verschattung durch Gebäude und Vegetation sowie die Orientierung zur Sonne.
    Leitung: Monika Sester, Oskar Wage
    Team: Freya Wittkugel
    Jahr: 2020
  • Anpassung von Gebäudegrundrissen aus Lidardaten an ALK-Daten
    In der ALK sind Gebäude über ihre Grundrisse dargestellt. In luftgestützten Laserdaten bilden sich Gebäude als 3D-Formen ab. Aufgrund unterschiedlicher Erfassungsvorschriften und Aktualitätsstände kann es zu Verschiebungen zwischen diesen Datenbeständen kommen. Ziel der Arbeit ist es, diese Verschiebungen zu bestimmen und automatisch zu korrigieren.
    Leitung: Politz, Sester
    Jahr: 2020
  • Klassifikation von Mobile Mapping LiDAR Punktwolken
    In vielen Anwendungsgebieten der Geodäsie, beispielsweise dem des autonomen Fahrens, gewinnt die automatische Erkennung von Objekten in (urbanen) Regionen an Relevanz. Eingesetzt werden dafür verschiedene Aufnahmesysteme, dessen Daten in Echtzeit analysiert werden müssen. Besonders gut geeignet sind dafür Light Detection and Ranging (LiDAR) Punktwolken. In dieser Arbeit wird die Klassifikation von LiDAR Punktwolken verschiedener Methoden analysiert und bewertet. Als Datengrundlage dienten Scanstreifen aus einer Messkampagne des Instituts für Kartographie und Geoinformatik der Leibniz Universität Hannover. Mit Hilfe der Klassifikatoren Random Forests und Support Vector Machines konnten die einzelnen LiDAR Punkte 16 verschiedenen Klassen zugeordnet werden.
    Leitung: Brenner, Schachtschneider
    Team: Anat Schaper
    Jahr: 2020
  • Evaluierung verschiedener Klassifikatoren zur Detektion von Objekten in Punktwolken
    Diese Bachelorarbeit behandelt die Klassifikation von Objekten in Punktwolken. Die zu klassifizierenden Objekte sind Verkehrsteilnehmer in Form von LiDAR- (Light Detection and Ranging) Punktwolken und stammen aus dem waymo-Datensatz. Die Objekte sind hierbei bereits aus den Punktwolken segmentiert. Die hier vorkommenden Klassen sind Kraftfahrzeuge, Fußgänger, Verkehrsschilder und Fahrradfahrer, wobei die Anzahl der Fahrradfahrer weit unter der Anzahl der anderen Klassen liegt. Ein wesentlicher Aspekt in dieser Arbeit stellt das Implementieren von geeigneten Merkmalen dar, mithilfe derer die verschiedenen Objekte möglichst genau klassifiziert werden können. Die Klassifikation wird letztendlich mit insgesamt 49 Merkmalen durchgeführt. Verwendet werden die beiden überwachten Klassifikatoren Random Forest und Support Vector Machine. Es werden mit beiden Klassifikatoren jeweils ungewichtete und gewichtete Klassifikationen durchgeführt, wobei die gewichteten Klassifikationen erwartungsgemäß bessere Genauigkeiten erzielen. Die Gesamtgenauigkeit liegt bei der gewichteten Klassifikation bei Random Forest bei 97.83% und bei der Support Vector Machine bei 96.73%. Die Klassen ‘Kraftfahrzeuge’, ‘Fußgänger’ und ‘Verkehrsschilder’ werden bei beiden Klassifikatoren zu einem hohen Anteil korrekt klassifiziert. Oft werden Objekte fehlklassifiziert, welche in geringer Auflösung vorliegen oder von anderen Objekten verdeckt werden. Bei beiden Klassifikatoren gab es die prozentual häufigsten Fehlklassfikationen bei den Fahrradfahrern. Für höhere Klassifikationsgenauigkeiten bei dieser Klasse könnten ein ausgeglichener Datensatz verwendet werden. Außerdem könnte die Implementierung von Merkmalen, welche Fahrradfahrer besser charakterisieren, ebenfalls für höhere Genauigkeiten sorgen.
    Leitung: Busch
    Team: Sebastian Heidweiler
    Jahr: 2021
  • Evaluation der Lesbarkeit und der Nützlichkeit der Kartenschriften in topographischen Karten
    Amtliche topographische Karten enthalten viele verschiedene Kartenschriften, um z.B. Namen von Städten, Landschaften oder Gewässern zu vermitteln. In den jeweiligen Signaturenkatalogen ist festgelegt, welche Schriftarten, -farben und -größen in Abhängigkeit der Objektart und der Größe der Objekte verwendet werden. Ziel dieser Arbeit war es, einen Überblick über die verwendeten Schriftvariationen zu gewinnen und die Lesbarkeit und geordnete Wahrnehmbarkeit zu untersuchen. Zudem sollte untersucht werden, ob sich die Kartennutzer der Bedeutung der Schriftgrößen bewusst sind und diese auch tatsächlich nutzen. Der Fokus der Untersuchung lag dabei auf TK25, TK100 sowie dem WebAtlasDE. Es stellte sich heraus, dass bis zu neun Schriftgrößenstufen in den TKs verwendet werden. Die Größenunterschiede sind dabei inhomogen und teilweise sehr klein gewählt, sodass die geordnete Wahrnehmung in einigen Bereichen gestört ist. Es wurde daher ein Vorschlag für eine gleichmäßigere Einteilung mit weniger Klassen unterbreitet. Dabei wurde auch die minimale Schriftgröße etwas erhöht. Die durchgeführte Umfrage ergab auch, dass die Länge der dargestellten Namen keinen deutlich störenden Einfluss auf die Größenwahrnehmung hat. Bei grünen Kartenschriften gaben die Probanden teilweise an, dass der geringe Kontrast zum meist ebenfalls grünen Hintergrund Probleme bereitet. Die Abbildung zeigt eine Beispiel-Karte aus der Umfrage: Die hier zu vergleichenden grünen Schriften wurden auf einem realen Kartengrund präsentiert. In weiteren Arbeiten könnte untersucht werden, ob der Vorschlag für eine geringere Anzahl verschiedener Schriftgrößen eine tatsächliche Verbesserung der Lesbarkeit bringt und ob bei einer Beschränkung auf drei Schriftfarben die eindeutige Zuordnung der Schriften zu den Objektarten weiterhin möglich ist.
    Leitung: Thiemann
    Team: Birte Friedrichs
    Jahr: 2021

Offene Bachelorarbeiten

  • Kartographie: Automatische Platzierung von Böschungsschraffen
    Für die Darstellung von Wällen und Gräben in archäologischen Plänen werden Schraffen verwendet. Anders als bei neuzeitlichen künstlichen Böschungen sind die historischen Böschungen durch Einwirkung der Erosion sehr unregelmäßig geformt. Standardalgorithmen scheitern aus diesem Grund bei der automatischen Anordnung der Schraffen.
    Leitung: Thiemann
    Jahr: 2019
  • Homogenisierung der Gebäudeausrichtung
    Topographischen Karten 1 : 25.000 werden Gebäude noch grundrissähnlich dargestellt. Detailierte Gebäudegrundrisse aus dem Kataster (ALKIS) müssen dazu generalisert (klassifiziert, selektiert, aggregiert, vereinfacht, betont, verdrängt) werden. Ein Aspekt der Generalisierung ist die homogene Ausrichtung der Gebäude.
    Leitung: Thiemann
    Jahr: 2019
  • Bestimmung von Mustern in Fahrzeugtrajektorien
    Die Bewegungstrajektorien von Fahrzeugen erlauben Rückschlüsse auf raum-zeitliche Situationen. So können beispielsweise Haltepunkte detektiert werden oder auch Stausituationen, oder auch Anomalien wie temporär nicht zu befahrende Straßensegmente. In der Arbeit sollen in einem großen Trajektoriendatenbestand solche Muster automatisch erkannt werden. Der Datenbestand umfasst sehr viele Trajektorien. Bei Interesse kann ein Schwerpunkt auf die skalierbare Datenanalyse mittels Hadoop und Spark gelegt werden. Je nach Schwerpunkt ist die Arbeit sowohl als Bachelor- als auch als Masterarbeit bearbeitbar.
    Team: Feuerhake, Sester
    Jahr: 2020
  • Detection of Signatures in old Maps using Deep Learning
    Old maps contain a lot of interesting information of the past reality. Most of maps are, however, only available in analogue form, and thus difficult to query and analyse automatically. The goal of this thesis is to explore modern deep learning methods to automatically detect signatures on old maps. There will be a concentration on certain types of objects, e.g. trees or buildings.
    Leitung: Thiemann, Sester
    Jahr: 2023
  • Map-based storytelling of historical sea voyages with a vague spatiotemporal data basis
    The thesis topic is related to the DiViAS project (digitization, visualization and analysis of collection items) which brings together scientific methods and practices for digitizing, researching and representing collections from colonial contexts. The project involves developing new approaches for making sense of the information derived from historical sources such as logbooks or travel reports. One of the project goals is to make the movements of ships, people and objects traceable, which can be facilitated by cartographic representations of these movements. In fact, many of these processes can only be understood in a temporal context. Since the information provided in the historical sources is oftentimes vague, inaccurate or incomplete, a visual representation using narrative techniques such as storymapping may facilitate understanding the spatiotemporal sequence of the events that happened throughout the journey.
    Leitung: Fuest, Sester
    Jahr: 2024

Masterarbeiten (abgeschlossen)

  • Zielführung in der Fahrzeug-Navigation mittels Mixed Reality
    Leitung: Brenner, Paelke
    Team: Sascha Tönnies
    Jahr: 2006
    Laufzeit: 2006
  • Entwicklung eines Qualitätsmaßes für Landmarken
    Leitung: Elias
    Team: Eva Ortlieb
    Jahr: 2006
    Laufzeit: 2006
  • Fußgängernavigation auf kombinierten Datenbeständen
    Leitung: Elias
    Team: Melanie Bleeke
    Jahr: 2006
    Laufzeit: 2006
  • Personalisierte Landmarken
    Aufgrund des technischen Fortschritts existieren bereits PDAs und Mobilfunktelefone, die als Naviga-tionsgeräte einsetzbar sind. Durch die zunehmende Verfügbarkeit solch mobiler Systeme rückt die Fußgänger- und Fahrradnavigation immer mehr in den Vordergrund. Die Anpassung von mobilen Navigationssystemen an die speziellen Bedürfnisse von Fußgängern umfasst dabei auch die Adaption der Landmarken an den räumlichen Kontext und die Nutzereigen-schaften.
    Leitung: Elias
    Team: Julia Köpke
    Jahr: 2007
    Laufzeit: 2007
  • Conflation zur Erzeugung von Fußgängernavigationsdaten
    Die Grundlage zurzeit kommerziell verfügbarer Fußgängernavigationssysteme bildet das Geographic Data File (GDF). Das GDF ist aber speziell auf die Anforderungen der Fahrzeugnavigation abgestimmt und kann daher nur mit Einschränkungen für die Fußgängernavigation genutzt werden. Zur Erstellung eines Datenbestandes, welcher den Anforderungen an die Datengrundlage für die Fußgängernavigation genügt, stehen in der vorliegenden Arbeit Auszüge aus dem ATKIS Basis DLM (Straßen- und Wegenetz), Teleatlas-Daten im GDF-Format und Auszüge aus der ALK (Flächen der tatsächlichen Nutzung) zur Verfügung. Die Kombination der Datenbestände wird in dieser Arbeit durch Conflation durchgeführt. Conflation ist ein Verschmelzungsprozess, in welchem zwei oder mehrere unterschiedliche Datenbestände mit Mehrfachrepräsentationen des gleichen räumlichen Gebietes zu einem Datenbestand mit Mono-Repräsentationen integriert werden.
    Leitung: Elias
    Team: Marion Horn
    Jahr: 2007
    Laufzeit: 2007
  • Innenraumaufnahme und Modellierung der Bethlehemkirche mit einem 3D Lasermesssystem
    Die Bethlehemkirche in Hannover Linden wurde im Jahr 1906 eingeweiht, dem Innenraum der Kirche steht in nächster Zeit ein umfassende Renovierung bevor. In diesem Zusammenhang wurde im Rahmen der Masterarbeit der Innenraum der Kirche mittels der Methode des terrestrischen Laserscannings erfasst sowie ein 3D Modell erstellt. Die Arbeit wurde unter der Betreuung des Instituts für Kartographie und Geoinformatik in Zusammenarbeit mit dem Niedersächsischen Landesamt für Denkmalpflege sowie der Gemeinde der Bethlehemkirche durchgeführt.
    Leitung: Dold
    Team: Bagus Wijaya
    Jahr: 2007
    Laufzeit: 2007
  • Personalisierte Landmarken - Einfluss der Ortskenntnis auf die Auswahl
    Leitung: Elias, Paelke
    Team: Marcel Chaouali
    Jahr: 2008
    Laufzeit: 2008
  • Ableitung von Corine Land Cover Daten aus dem ATKIS-Basis-DLM
    Leitung: Thiemann, Anders
    Team: Paul-Gabriel Müller
    Jahr: 2008
    Laufzeit: 2008
  • Extraktion von Fassadenmerkmalen aus Streetmapper-Daten
    Neben der Darstellung und Interpretation von Laserscanner-Daten in Form von 3D-Modellen können Laserscanner-Punktwolken auch für andere Anwendungen genutzt werden. In diesem Zusammenhang ist vorrangig die Erkennung und Extraktion von Objekten zu nennen. Das Hauptproblem bei der Erkennung von Objekten bezieht sich auf die Punktwolke, die aus einer Menge unorganisierter Punkte besteht. Der Mensch kann Objekte innerhalb einer Punktwolke aufgrund seines Wissens visuell erkennen. Im Gegensatz dazu muss einem Computer die Er-kennung von Objekt anhand von mathematischen Regelungen vorgegeben werden.
    Leitung: Ripperda
    Team: André Warneke
    Jahr: 2008
    Laufzeit: 2008
  • Mixed-Reality Visualisierung für die Stadtplanung
    Leitung: Paelke
    Team: Mariusz Klimczak
    Jahr: 2008
    Laufzeit: 2008
  • A Framework for Rapid Prototyping of Augmented Reality Interfaces
    Leitung: Paelke
    Team: Stefan Radomski
    Jahr: 2008
    Laufzeit: 2008
  • Visualisierung von Klimadaten
    Leitung: Thiemann, Paelke
    Team: Alexandra Murphy
    Jahr: 2008
    Laufzeit: 2008
  • Indoor-Navigation als Marketing-Konzept
    Leitung: Paelke
    Team: Juliane Bedijs
    Jahr: 2009
    Laufzeit: 2009
  • Indoor Navigation
    Leitung: Paelke
    Team: Fokko Krebs
    Jahr: 2009
    Laufzeit: 2009
  • Formale Beschreibung und Web-Service-basierte Überprüfung von Constraints in Geodaten
    Leitung: Werder
    Team: Juliane Mondzech
    Jahr: 2009
    Laufzeit: 2009
  • Standortanalyse für den Gelegenheitsnutzer
    Leitung: Paelke
    Team: Jonathan Reusse
    Jahr: 2009
    Laufzeit: 2009
  • Aufbau eines Laserscanner-Erfassungssystems zur Positionsbestimmung von Fahrzeugen
    Sowohl in der Forschung als auch in der Technik sind Fahrerassistenzsysteme für den Automobilbe­reich ein sehr aktuelles Thema. Neue Systeme unterstützen den Fahrer in unterschiedlichen Situationen, indem sie nicht nur den Fahrkomfort, sondern vor allem auch die Sicherheit im Stra­ßenverkehr erhöhen. Viele dieser Systeme setzten eine sehr genaue Kenntnis über den eigenen Aufenthaltsort des Fahrzeuges voraus. Gerade in Gebieten mit dichter Bebauung ist dabei die mit dem Global Positioning System (GPS) erlangte Ortungsgenauigkeit in der Größenordnung mehrerer Meter unzureichend. Aus diesem Grund ist die Entwicklung eines genauen und zuverlässigen Verfahrens zur Positionsbestimmung für Fahrzeuge von großer Bedeutung.
    Leitung: Brenner
    Team: Joachim Niemeyer
    Jahr: 2009
    Laufzeit: 2009
  • Effiziente Zusammenfassung nicht benachbarter Flächen in räumlichen Datensätzen
    Leitung: Haunert
    Team: Jorma Reinke
    Jahr: 2009
    Laufzeit: 2009
  • SNP Analytics – Ein Werkzeug zur visuellen Analyse des Besucherverhaltens im Schweizerischen Nationalpark
    Leitung: Sester
    Team: Matthias Uden
    Jahr: 2010
    Laufzeit: 2010
  • Geomarketing: Visualisierung von Immobilieninformationen
    Leitung: Sester, Dahinden
    Team: Sarp Tomrukcu
    Jahr: 2011
    Laufzeit: 2011
  • Augmented Reality Visualisierung von archäologischen Daten
    Leitung: Eggert
    Team: Dennis Hücker
    Jahr: 2012
    Laufzeit: 2012
  • Web-basierte Visualisierung von Mobile-Mapping Daten
    Leitung: Eggert
    Team: Michael Thies
    Jahr: 2012
    Laufzeit: 2012
  • Bewertung von inertialen Messsystemen mittels Laserscannern und bekannter Landmarken
    Leitung: Brenner
    Team: Alexander Schlichting
    Jahr: 2012
    Laufzeit: 2012
  • Untersuchung externer Faktoren bei der Regenmessung mittels Scheibenwischern
    Leitung: Fitzner
    Team: Frauke Bittner
    Jahr: 2012
    Laufzeit: 2012
  • Raum-zeitliche Segmentierung von natürlichen Objekten in stark verdeckten Szenen
    Leitung: Paffenholz
    Team: Corinna Harmening
    Jahr: 2013
    Laufzeit: 2013
  • Klassifizierung von Stangen aus Laserscanning-Punktwolken
    Leitung: Schlichting
    Team: Veronika Kraft
    Jahr: 2013
    Laufzeit: 2013
  • Kombinierte Auswertung von Mobile Mapping Punktwolken aus Laserscans und Bildern
    Leitung: Hofmann
    Team: Steven Curs
    Jahr: 2013
    Laufzeit: 2013
  • Ableitung eines routingfähigen Verkehrsnetzes aus nutzergenerierten Geodaten durch Generalisierung
    Leitung: Thiemann
    Team: Paul Czioska
    Jahr: 2013
    Laufzeit: 2013
  • Punktwolkenvisualisierung mittels Bewegungsparallaxe
    Die interaktive Visualisierung großer Punktwolken, wie sie beispielsweise in Mobile Mapping Daten vorkommen, ist nicht einfach. Sie bedarf Verfahren, die entweder die Gesamtdatenmenge, oder die dem Nutzer angezeigte Datenmenge reduzieren. In dieser Arbeit wird ein Verfahren vorgestellt, dass durch die Technik der Bewegungsparallaxe (im Englischen "parallax scrolling") inspiriert ist.
    Leitung: Eggert
    Team: Eike Clas Schulze
    Jahr: 2014
    Laufzeit: 2014
  • Extraktion von Fahrspurgeometrie und -topologie auf der Basis von Fahrzeugtrajektorien
    Digitale Weg- und Transportkarten sind heutzutage die Grundlage moderner Navigation und finden in Disziplinen von der Ethologie bis zur Nautik unterschiedlichste Anwendungen. Der für diese Arbeit interessante Anwendungsfall ist die Abbildung von Verkehrswegen für Fahrzeuge als Straßenkarte. Eine Straßenkarte bildet hierbei mindestens die geometrische Struktur eines Verkehrsnetzes unter Erhalt der Konnektivität ab.
    Leitung: Brenner
    Team: Oliver Röth
    Jahr: 2014
    Laufzeit: 2014
  • Robotic exploration for mapping and change detection
    Autonomous systems and mobile robots become more and more part of our daily life. Examples are cutting the grass in the garden, helping us to get into a parking lot or cleaning the floor. The problems of localization, perception and automatic model building (e.g. maps) are central questions in mobile robotics. How to determine the absolute pose of a robot? What is the best way to explore an a priori unknown environment? Can changes be detected?
    Leitung: Brenner, Paffenholz
    Team: Sebastian Gangl
    Jahr: 2014
    Laufzeit: 2014
  • Laserscanner basierte Kartierung und Lokalisierung in dynamischen Umgebungen
    Stand der heutigen Technik bei den in Industrieanlagen eingesetzten fahrerlosen Transportfahrzeugen ist eine Eigenlokalisierung auf Basis von Reflektoren. Da die Installation und Vermessung der benötigten Reflektoren zeitaufwändig und teuer ist, verlangen Anlagenbetreiber ein Lokalisierungsverfahren, das ohne Reflektoren funktioniert und ausschließlich die vorhandene Umgebungskontur zur Lokalisierung verwendet.
    Leitung: Brenner, Schlichting
    Team: Hauke Kuban
    Jahr: 2015
    Laufzeit: 2015
  • Kombination und Homogenisierung von Landmarkenkarten zur Steigerung der Positionierungsgüte beim automatischen Fahren
    In dieser Arbeit werden Karten zur landmarkenbasierten Lokalisierung aus detektierten Objekten erzeugt, die mit einem Versuchsträger (PKW) erfasst wurden. Als Datengrundlage stehen die Positionen detektierter Objekte sowie die Fahrzeugtrajektorien der Messfahrten zur Verfügung. Die Erstellung einer Landmarkenkarte erfordert die Zuordnung einzelner Detektionen zu Objekten sowie eine Bereinigung systematischer Fehler. Die auftretenden systematischen Fehler äußern sich z.B. in Form von fehlerhaften Beobachtungswinkeln und zeitlicher Latenz.
    Leitung: Brenner, Hofmann
    Team: Ugur Kekec
    Jahr: 2015
    Laufzeit: 2015
  • Robust visual navigation for autonomous underwater track vehicles
    Underwater track vehicles, also known as crawler, are universal carrier platforms for many different applications. Crawler having an autonomous navigation would enable the possibility of executing long-term observations without a connection to a base station. This thesis presents approaches that use previous knowledge about the scene that is integrated into motion estimation step by replacing RANSAC with PROSAC to make the motion estimation more robust.
    Leitung: Brenner, Kirchner
    Team: Lewin Probst
    Jahr: 2015
    Laufzeit: 2015
  • Entwicklung eines Echtzeit-Planers für die lokale Navigation auf holonomen mobilen Service-Robotern
    Ein grundlegendes Problem der Navigation ist die zuverlässige Vermeidung von Kollisionen mit Hindernissen in Echtzeit. Ein dafür genutzter lokaler Planer muss daher den Anforderungen der Echtzeitfähigkeit genügen, was bedeutet, dass die Planung innerhalb einer maximalen Laufzeit garantiert abgeschlossen werden muss. Die maximale Laufzeit kann dabei vom Rechner abhängen. Im Rahmen dieser Arbeit wurde ein lokaler Planer in der Software-Umgebung ROS (Robot Operating System) erstellt, welcher die Anforderung der Echtzeitfähigkeit erfüllt.
    Leitung: Brenner, Wagner
    Team: Sven Krause
    Jahr: 2015
    Laufzeit: 2015
  • 3D Feature Point Extraction from Stereo and Lidar Data
    Zur Lokalisierung von (selbstfahrenden) Fahrzeugen können verschiedene Sensoren eingesetzt werden. In dieser Arbeit wurden Methoden untersucht, mit denen korrespondierende 3D-Merkmalspunkte in LiDAR- und Stereokameradaten gefunden werden können.
    Team: Yu Feng
    Jahr: 2015
    Laufzeit: 2015
  • LiDAR Referenz-Lokalisierung für das automatisierte Fahren/ LiDAR Reference Localization for Automated Driving
    Moderne Fahrzeugsysteme führen zunehmend teil- und hochautomatisierte Fahrhandlungen aus. Hierfür ist eine hinreichend genaue und robuste globale Fahrzeuglokalisierung eine wichtige Grundvoraussetzung. Dazu wird die Umgebung mit Hilfe von Umfeldsensoren erfasst und mit einer globalen Karte verglichen.
    Team: Inga Jatzkowski
    Jahr: 2016
    Laufzeit: 2016
  • Kamera und Laserscanner basierte Kartierung und Lokalisierung für das pilotierte Parken
    Das pilotierte Fahren im Parkhaus setzt eine hochgenaue und robuste Lokalisierung voraus. In einem solchen Indoor Szenario ist GNSS (Global Navigation Satellite System) in der Regel nicht verfügbar, so dass die Lokalisierung anhand einer Eigenbewegungsschätzung sowie durch Abgleich mit einem Umgebungsmodell erfolgt. In dieser Arbeit wurden die Messwerte von Kamera und Laserscanner fusioniert um die Fahrzeugposition durch einen Partikelfilter SLAM (Simultaneous Localization and Mapping) Ansatz zu schätzen.
    Team: Miria von Rotberg
    Jahr: 2016
    Laufzeit: 2016
  • Gesten-basierte Interaktion mit virtuellen 3D Umgebungen
    Mit der Verfügbarkeit immer leistungsfähigerer Rechentechnik im privaten/Freizeit-Sektor ist vor wenigen Jahren auf dem Technologiemarkt ein Wettrüsten zur Entwicklung erschwinglicher Virtual-Reality- (VR) und Augmented-Reality-Hardware ausgebrochen, um potenzielle Märkte insbesondere für realitätsnahe Darstellung von 3D-Inhalten (bspw. Computerspiele) zu erschließen. Kern dieser Technologie ist die Aufbereitung dreidimensionaler Information in Form von 2D-Stereobild-Paaren, die über geeignete Ausgabe-Hardware (Brillen/Helme) konsumiert werden können. Dieses Prinzip lässt sich jedoch auch anderweitig nutzen, beispielsweise zur besseren Exploration von bzw. Interaktion mit räumlichen 3D-Daten.
    Leitung: Colin Fischer
    Team: Florian Politz
    Jahr: 2016
    Laufzeit: 2016
  • Unsicherheitsschätzung einer Ortungsfusion zur Eigenlokalisierung von automatisierten Fahrzeugen
    Autonome Fahrzeuge benötigen eine robuste Lokalisierung. Dafür wurden bereits verschiedene Lösungsansätze entwickelt. Durch eine Kombination verschiedener Ortungslösungen kann eine Verbesserung der Genauigkeit erfolgen und die Verfügbarkeit steigen. Die Fusionierung verschiedener Ortungslösungen heißt Ortungsfusion. In dieser Masterarbeit wird mit einer konkreten Ortungsfusion gearbeitet, die die Fahrzeugpose mithilfe einer graphenbasierten Optimierung schätzt.
    Team: Mareike Ploog
    Jahr: 2017
    Laufzeit: 2017
  • Automated Calibration of the Camera Orientation of a LiDAR Mobile Mapping System
    The ikg uses a mobile mapping system RIEGL VMX-250 to acquire geo-referenced point clouds and images of the environment. The system includes two laser scanners and four cameras. The coarse camera orientation is estimated by a manual workflow selecting corresponding points in the point cloud and camera images.
    Team: Anita Sadat Khezri
    Jahr: 2017
    Laufzeit: 2017
  • Automatische Anreicherung von Routenbeschreibungen zur Ausbildung einer kognitiven Karte
    Von aktuellen Navigationssystemen genutzte Anweisungen beschränken sich üblicherweise auf Entfernungs- und Richtungsangaben (beispielsweise "Biegen Sie in 100 m links auf die Nienburger Straße ein"). Auf diese Weise erreicht der Nutzer zwar das Ziel, hat anschließend jedoch Schwierigkeiten sich eigenständig zu orientieren.
    Leitung: Sester, Feuerhake
    Team: Oskar Wage
    Jahr: 2017
    Laufzeit: 2017
  • Adaptives Rerouting von Taxis für Parkplatz-Crowd-Sensing mittels Apache Spark
    Diese Arbeit widmet sich dem Problem der Parkplatzsuche in Städten. Als Ansatz zur Lösung Parkplatzsuchenden Informationen über die vorherrschende Parkplatzsituation bereitzustellen, ist es möglich diese Daten mittels „Crowd-Sensing“ durch Messfahrzeuge zu erfassen. Als Messfahrzeuge eignen sich beispielsweise Taxis, die aufgrund ihrer Funktion ohnehin stets im Straßennetz unterwegs sind.
    Team: Christian Koetsier
    Jahr: 2017
    Laufzeit: 2017
  • Comparison of Methods for Parking Availability Prediction
    Parking availability prediction is an interesting domain which needs to be explored in order to make the search of a parking place easier, which could in turn save time and energy. Employing pre-existing data (sequential parking data) to develop a model for future prediction is the intent of this thesis. Such a model indirectly reduces the need of static sensors to collect data every five minutes on a daily basis.Different methods, namely, linear regression, Long Short Term Memory-LSTM (a specific recurrent neural network) and Auto regressive integrated moving average (ARIMA) are used in the modeling of data to predict the parking availability.
    Team: Supriya Gurupadaswamy
    Jahr: 2017
    Laufzeit: 2017
  • Extracting Road Network Structure from Heat Maps of GPS Trajectories Using Convolutional Neural Networks
    Road network extraction from GPS trajectories has always been an overemphasized topic for the researches on map improvement. The existence of huge amount of GPS trajectories collected from vehicle movements, cycling and running activities, has encouraged researchers to work on this topic. Besides that, the heat maps (i.e. density maps) of trajectories have been visualized in order to indicate the frequency of use of road segments. With the work represented in this thesis, extraction of road networks from GPS trajectories has been aimed by proposing the use of convolutional neural networks on heat maps.
    Team: Sercan Çakir
    Jahr: 2017
    Förderung: DFG Graduiertenkolleg SocialCars
    Laufzeit: 2017
  • Automatische Parametrische Beschreibung von Bodendenkmalen
    Die Untersuchung von Bodendenkmälern liefert wichtige Erkenntnisse zur Entwicklung der Kulturlandschaft in Deutschland. Sie lässt Rückschlüsse über das Leben in vergangenen Epochen und die Veränderung zwischen den Zeitaltern zu. Die Lagebestimmung oder die messtechnische Erfassung der Bodendenkmäler ist nicht immer einfach. Oftmals lassen sich die Objekte schwer erkennen oder befinden sich an schwer zugänglichen Stellen. Airborne Laserscanning eröffnet hierbei eine vergleichsweise neue Methode der archäologischen Prospektion. Aus den erzeugten Laserscannerdaten lassen sich hochauflösende flächendeckende Geländemodelle erzeugen, mit denen auch vorher unentdeckte Bodendenkmäler in Wäldern erkannt werden können. Die auf diese Weise erzeugte Datengrundlage bietet nicht nur neue Möglichkeiten, sondern auch neue Herausforderungen. Durch die hohen Datenmengen stellt sich die Frage nach der Bearbeitungszeit und die damit verbundene hohe Arbeitszeitbelastung. Um diesem Problem zu begegnen, ist es sinnvoll möglichst viele Prozesse zu automatisieren.
    Leitung: Frank Thiemann, Monika Sester
    Team: Dennis Elschen
    Jahr: 2018
  • Tracking von Verkehrsteilnehmern mit LiDAR
    Autonome Fahrzeuge navigieren auf der Basis von spurgenauen Karten. Diese Karten zu erstellen und zu pflegen ist mit einem hohen Aufwand verbunden. Diese Arbeit ist Teil des Automatisierungsprozesses, um aus Daten des täglichen Verkehrs spurgenaue Karten zu erstellen. Im Rahmen der Arbeit wird das Verhalten der Verkehrsteilnehmer in einem komplexen Kreuzungsszenario verfolgt. Es wurden sechs Kreuzungen in Hannover mittels statischen 3D LiDAR-Scans mit 10Hz vermessen, um Trainingsdaten für ein neuronales Netzt zu erstellen.
    Leitung: Steffen Busch
    Team: Tim Flasbarth
    Jahr: 2018
  • Verwendung eines Automotive-Laserscanners zur globalen Positionsbestimmung
    Vor dem Hintergrund der globalen Lokalisierung wird in der Arbeit eine Möglichkeit vorgestellt, eine Positionsbestimmung anhand der Umgebungsmerkmale durchzuführen. Es werden Punktwolken von Straßenabschnitten in urbanem Gebiet verwendet. Dabei werden unter Anwendung eines neuronalen Netzes Merkmale aus der Umgebung extrahiert. Mit Hilfe einer Einteilung der Merkmale in verschiedene Klassen wird ein Streckenabschnitt als Sequenz von Merkmalen dargestellt. Durch den Vergleich mit einer Referenztrajektorie, welche ebenfalls über klassi zierte Merkmale verfügt, wird die aktuelle Position anhand der größten Übereinstimmung gefunden.
    Leitung: Dr. Alexander Schlichting, Prof. Brenner
    Team: Felix Matthes
    Jahr: 2018
    Laufzeit: 2018
  • Traffic-sign Recognition from Street-level Photos: a Deep Learning Approach
    The scope of this thesis is the recognition of traffic-signs from street-level images. A state-of-the-art deep learning detection algorithm is used, the Single Shot Multi-box detector (SSD) and within the thesis its performance is validated experimentally by examining different training strategies.
    Leitung: Prof. Dr. Bernhard Roth, Co-advisor: Prof. Monika Sester, Supervisor: Stefania Zourlidou
    Team: Qifa Bao
    Jahr: 2018
    Laufzeit: 2018
  • Adding landmarks to maps using a graph-based approach
    Die zunehmende Automatisierung von Fahrfunktionen und erweiterte Komfortfunktionen sind aktueller Bestandteil der Automobilforschung. Eine der wesentlichen Voraussetzungen für viele zukünftige Funktionen, wie das automatisierte Fahren, ist die genaue Kenntnis der aktuellen Fahrzeugpose. Hierfür gibt es unterschiedliche Lokalisierungsmethoden. Wird eine Karte benutzt, welche auf Landmarken basiert, so stellt sich die Aufgabe, diese Landmarken auf Grundlage der Messungen zu aktualisieren.
    Leitung: Daniel Wilbers (VW), Prof. Ortmaier, Prof. Brenner
    Team: Lars Rumberg
    Jahr: 2018
  • Deep Learning for Flood Relevant Images and Texts from Social Media
    Überschwemmungen gehören zu den häufigsten und zerstörerischsten Naturgefahren der Erde. Diese Arbeit untersucht die Idee, nutzergenerierte Informationen aus Social Media zu nutzen, um frühe Anzeichen hochwasserrelevanter Ereignisse zu erkennen. Das Ziel dieser Arbeit liegt in der Entwicklung und Implementierung einer Deep Learning Lösung mit der Fähigkeit, das Vorhandensein von hochwasserrelevanten Ereignissen aus benutzergenerierten Bildern und Texten zu erkennen.
    Leitung: Yu Feng, Prof. Brenner
    Team: Sergiy Shebotnov
    Jahr: 2018
  • Lernen typischer Parkplatzbelegungsmuster anhand von Kartendaten
    Zur Vorhersage zukünftiger Informationen über verfügbare Parkplätze werden in intelligenten Transportsystemen, wie beispielsweise Navigationsgeräten, unter anderem historische Daten über den Verlauf der Parkplatzbelegung verwendet. In dieser Arbeit wird untersucht, inwieweit solche Tagesverläufe mit der Hilfe von Kartendaten, wie z. B. Points of Interest, und der Verwendung von Methoden des Maschinellen Lernens vorhergesagt werden können. Dazu werden tatsächliche Belegungsdaten aus Hannover und aus San Francisco verwendet. Die Kartendaten werden sowohl aus OpenStreetMap, als auch aus Yelp gewonnen. Weiterhin werden unterschiedliche Varianten zur Implementierung der Kartendaten in das Maschinelle Lernen getestet, als auch die Relevanz der einzelnen Merkmale untersucht. Die hier verwendeten Methoden des Maschinellen Lernens sind ein Neuronales Netz, ein Regressionsbaum und eine Support Vector Machine.
    Leitung: Fabian Bock, Prof. Brenner
    Team: Lukas Hynek
    Jahr: 2018
  • Untersuchung von Kooperation in der Parkplatzsuche anhand einer mikroskopischen Verkehrssimulation
    In innerstädtischen Bereichen und in dicht besiedelten Wohngebieten ist die Suche nach einem freien Parkplatz oft mit einem hohen Zeitaufwand verbunden. Die mangelnde Kenntnis über die Parkplatzverfügbarkeit führt zu langen Suchzeiten und zusätzlichem Verkehr auf den Straßen. Neue Kommunikationstechnologien ermöglichen den Austausch von aktuellen Informationen zwischen den Fahrzeugen. Durch Kommunikation von aktueller Position, der geplanten Route und dem Zielort können Fahrer bei ihrer Parkplatzsuche unterstützt werden.
    Team: Janek Schönwetter
    Jahr: 2018
    Laufzeit: 2018
  • Entwicklung von umweltgerechten und stauvermeidenden Routingalgorithmen mittels Verkehrssimulationen
    Aufgrund des ständig wachsenden Verkehrsaufkommens in städtischen Umgebungen und damit aufkommender Probleme wie eine erhöhte Luftverschmutzung, spielen umwelt-orientierte Ansätze zur Erreichung einer besseren Stadtverträglichkeit des Verkehrs eine immer wichtigere Rolle. Diese Arbeit befasst sich mit der Entwicklung von umwelt-gerechten Routingalgorithmen, sowie deren Validierung im Rahmen von Verkehrssimulationen. Der verwendete Routingalgorithmus ist der A* - Algorithmus unter Nutzung der jeweils entwickelten Kriterien als Gewichte.
    Leitung: Sester, Fuest
    Team: Christian Hartberger
    Jahr: 2019
  • Multi-Path Prediction of Mixed Traffic Trajectories in Shared Spaces
    In shared spaces, road signs, signals, and markings are removed to allow mixed traffic directly interact with each other. The traffic engineer Reid defined it as a street encouraging pedestrian movement and reducing the dominance of vehicles without explicit traffic rules. All users have to follow informal social protocols and negotiation to use the road resources, and avoid any potential collisions. The lack of regulations makes interactions between multimodal road users more complex compared with conventional designs. With the availability of large scale datasets and the development of deep learning techniques in sequence modeling and prediction, deep learning approaches are widely used for trajectory prediction.
    Leitung: Hao Cheng, Prof. Sester and Prof. Fidler
    Team: Xinlong Han
    Jahr: 2019
  • Scene Context-Aware Trajectory Prediction in Shared Space
    In shared spaces, road signs, signals, and markings are removed to allow mixed traffic directly interact with each other. At a micro level, understanding how they behave and how we can foresee their behavior after a short observation time are crucial to intent detection and autonomous driving, and traffic management in shared spaces.
    Leitung: Hao Cheng, Prof. Sester and Prof. Fidler
    Team: Rui Liu
    Jahr: 2019
  • Optimale Zuordnung von Punktwolken mittels Deep Learning
    In dieser Arbeit wurde untersucht, ob sich luftgestützte 3D Punktwolken unterschiedlicher Herkunft registrieren lassen. Bei den Punktwolken handelt es sich um Punktwolken, die aus Airborne Laser Scanning (ALS) und aus Dense Image Matching (DIM) abgeleitet wurden. Sie enthalten zwar dieselbe Oberfläche, besitzen jedoch unterschiedliche Eigenschaften. Dabei stellt vor allem Vegetation ein Problem dar. In ALS kann diese durchdrungen werden, wodurch ALS Punktwolken sowohl die Vegetation als auch den darunterliegenden Boden enthält.
    Leitung: Brenner, Politz
    Team: Stephan Niehaus
    Jahr: 2019
  • Residual Learning for Mixed Traffic Prediction in Shared Space
    In recent years, with the increased availability of computational power and large-scale datasets, data--driving approaches, especially Deep Learning approaches, have been largely used for trajectory modeling. Nevertheless, predicting mixed traffic trajectories in shared space is not trivial.
    Leitung: Hao Cheng, Prof. Sester and Prof. Fidler
    Team: Yuhao Zhang
    Jahr: 2019
  • A Study of State-of-the-Art DL Methods for Mixed Traffic Trajectory Prediction
    In recent years, with the increased availability of computational power and large-scale datasets, data-driving approaches, especially Deep Learning (DL) approaches, have been largely used for trajectory modeling. The performance for pedestrian trajectory prediction in crowded spaces has been improved year by year, such as the state-of-the-art Social-LSTM (Alahi et al., 2016) CVAE (Lee et al., 2017), and Social-GAN (Gupta et al., 2018). The goal of this master thesis is to apply such stat-of-the-art DL approaches in a more challenging environment—shared space—for trajectory prediction with mixed traffic agents and compare their performance.
    Leitung: Hao Cheng, Prof. Sester and Prof. Fidler
    Team: Xin Xu
    Jahr: 2019
  • Development of a Client-Server Module for Cooperative Multi-Robot Longterm Map Registration
    Nowadays a big amount of robots are used in production and logistic. Due to the large working environment, dynamic objects (e.g. humans or other robots), and semi-static objects (e.g.machine and furniture), a high performance navigation system is required. But only focus on the high performance long term SLAM on single robot is not enough to guarantee the flexible and accurate performance of whole robot fleet in large changing environment.
    Leitung: Tobias Ortmaier (IMES), Claus Brenner, Steffen Busch (IKG), Philipp Schnattinger (FraunhoferIPA)
    Team: Jiang Liwei
    Jahr: 2019
  • Klassifizieren und Detektieren von Verkehrsteilnehmern mittels Neuronalen Netzen und Active Shape Modellen
    Autonome Fahrzeuge interpretieren ihre Umgebung auf Grundlage ihrer Sensordaten. 360° Laserscanner bieten dabei umfassende und hoch genau Informationen über die Entfernung von Objekten. Die Vorhersage des Verhaltens von Verkehrsteilnehmern unterscheidet sich zwischen PKW, LKW/Bussen, Radfahrern und Fußgängern. Die exakte Position der verschiedenen Verkehrsteilnehmer ist dabei abhängig von ihrer Ausrichtung und ihren geometrischen Ausmaßen. Active Shape Modelle bieten die Möglichkeit den Mittelpunkt der Objekte durch die Schätzung von deformierbaren Modellen, auf der Basis von CAD-Plänen und unter Berücksichtigung ihrer Ausrichtung, zu schätzen.
    Leitung: Bodo Rosenhahn (TNT), Claus Brenner, Steffen Busch (IKG)
    Team: Xiaoyu Jiang
    Jahr: 2019
  • Laserscanner-basierte Prädiktion von Passantenbewegungen durch Filterung und Klassifikation der Körperhaltung
    Vor dem Hintergrund der Sicherheit im Straßenverkehr wird im Folgenden ein Algorithmus vorgestellt, der auf Basis von Punktwolken eine möglichst genaue Vorhersage über die zukünftige Position von Fußgängern trifft. Ein Kernelement ist dabei den aktuellen Bewegungszustand der Fußgänger über einen Random Forest zu klassieren. Dabei steht vor allem eine frühe Detektion von Wechseln zwischen einzelnen Zuständen im Fokus.
    Leitung: Claus Brenner, Steffen Busch
    Team: Matthias Fahrland
    Jahr: 2019
  • Reiseverzögerungsanalyse mit VISSIM und Mustererkennung an geregelten Knotenpunkten
    Diese Arbeit untersucht die Reisezeit und die Reiseverzögerung an T- und vierseitigen Kreuzungen unter verschiedenen Regulator-Einstellungen ("Vorfahrt gewähren"/Vorfahrts-Verkehrszeichen und unkontrollierte Kreuzungen), wobei sowohl Experimente mit simulierten als auch mit realen Daten durchgeführt werden. In dieser Arbeit wird zunächst die Simulationssoftware VISSIM verwendet, um die Verzögerung und die Haltezeit an durch "Vorfahrt gewähren" kontrollierten und unkontrollierten T- und vierseitigen Kreuzungen abzuschätzen. Im zweiten Teil der Arbeit wird dasselbe Ziel unter Verwendung realer Daten verfolgt.
    Leitung: Zourlidou
    Team: Qingyuan Wang
    Jahr: 2019
  • Klassifikation und Änderungsdetektion in Mobile Mapping LiDAR Punktwolken
    3D-Modelle der statischen Umgebung zu erstellen ist eine wichtige Aufgabe für das Voranbringen von Fahrerassistenzsystemen und dem autonomen Fahren. Hierzu stehen in dieser Arbeit Mobile Mapping LiDAR Punktwolken aus 14 Messepochen zur Verfügung, die mithilfe eines Voxel Grids zu einer Referenzkarte weiterverarbeitet werden. Ein Voxel Grid ist eine Datenstruktur, die den realen Raum in volumenhafte Elemente unterteilt und die Punktdichte der Punktwolken reduziert. Zusätzlich werden Daten aus einer Strahlverfolgung bereitgestellt, sodass zwischen durchschossenen und unbekannten Voxeln unterschieden werden kann, wodurch sich Verdeckungen erkennen lassen.
    Leitung: Brenner, Schachtschneider
    Team: Mirjana Voelsen
    Jahr: 2019
  • Mustererkennung des Bewegungsverhaltens für die Kreuzungs-Klassifizierung unter Verwendung von GPS-Trace Daten
    Das Ziel dieser Arbeit ist es, verschiedene Arten von Regulatortypen von Verkehrsknotenpunkten auf der Basis von GPS-Trace Daten zu klassifizieren. Um dieses Ziel zu erreichen, wird eine Vielzahl von Merkmalen zur Beschreibung des Fahrverhaltens an Kreuzungen berechnet. Diese werden aus den gemessenen Einheiten der GPS-Trace Daten abgeleitet, aus denen sich die Bewegungs-Trajektorie einer Person zusammensetzt.
    Leitung: Zourlidou
    Team: Jens Golze
    Jahr: 2019
  • Robuste Registrierung von luftgestützten Punktwolken
    Ziel der Arbeit ist die robuste Registrierung von luftgestützten Punktwolken, die aus Airborne Laser Scanning (ALS) und Dense Image Matching (DIM) ab-geleitet wurden. Dafür wurde eine grobe, translative Registrierung mittels Ma-ximum Consensus Schätzers entwickelt und mit einem Standard-ICP vergli-chen. Des Weiteren wurden verschiedene Methoden zur Ausdünnung der Punktwolken untersucht, die besonders die Punkte von Objekten, die in den beiden Punktwolken unterschiedlich dargestellt sind, reduzieren soll.
    Leitung: Politz, Brenner
    Team: Jannik Busse
    Jahr: 2019
  • Flood detection from satellite images using deep learning
    Floods destroy valuable resources and are one of the main threats to human life and property. Flood detection can protect lives and property by providing timely damage assessments. MediaEval is a benchmark that presents challenges in multimedia retrieval. In this thesis, methods were presented for the MediaEval 2019 task City-centered satellite sequences, which is aiming to detect flooding in time-based satellite image sequences. We proposed two Deep Learning methods that have been tried during the experiment – Siamese CNNs and CNN LSTM. By Siamese CNNs, a pair of images were put through two identical CNNs. The image pair was randomly chosen from one sequence. By CNN LSTM, CNN first extracts depth features from each individual image of the sequence. The sequential information among frame features is then learned through a LSTM network. This model is very suitable for learning image sequences. Experimental results showed that Siamese ResNet is not suitable for detecting flooding events from satellite image sequences, but the CNN LSTM could do this kind of task precisely. Significant high accuracy was achieved in flooding events recognition using the proposed DenseNet LSTM method on the MediaEval 2019 Satellite Task dataset.
    Leitung: Feng
    Team: Shumin Tang
    Jahr: 2019
  • Trajektorien-Analyse an Kreuzungen
    Diese Arbeit beschäftigt sich mit Trajektorien an verschiedenen Schnittpunkten mit verschiedenen Regulierungs-Typen (Ampeln, Vorrang/Vorfahrt gewähren, unkontrolliert) und testen einige Methoden zur Erkennung von Bewegungsmustern hinsichtlich ihrer geometrischen und räumlich-zeitlichen Komponenten. Das heißt, im ersten Fall die geometrischen Wege, denen die Fahrzeuge während der Fahrt durch die Kreuzungen folgen, und im zweiten Fall die Art und Weise, wie sie diesen geometrischen Wegen folgen.
    Leitung: Zourlidou
    Team: Chenxi Wang
    Jahr: 2020
  • Segmentation of Linear Terrain Structures in Digital Terrain Models Using Deep learning
    The archaeologists are interested in detecting terrain structures related to historical mining in the Harz Region. They could manually inspect regions of interest and find relevant terrain structures, but the task is time-consuming, so the goal of this thesis is to use deep learning techniques to automate this tedious task for archaeologists. Linear feature is considered as one of the most essential terrain features, which can be representations of not only natural productions such as drainage networks or geological lineaments, but also manual parts including pipelines, road networks, and so on. The previous studies mainly utilized different computer vision techniques to detect the linear terrain structures, but it is not able to classify them. In our case, different neural networks are used to realize the semantic segmentation of our interested terrain structures which content hollow ways, pathways, roads, forest paths, and ditches. However, due to the complexity of identifying the linear structures, the segmentation result can be incomplete so that image processing algorithms are applied to refine the results.
    Leitung: Kazimi, Sester, Fidler
    Team: Heyue Zhang
    Jahr: 2020
  • Interaction Classification Between Vehicles and Vulnerable Road Users at a Right-Turn Intersection
    Automatic interaction classification between vehicles and vulnerable road users at intersections is critical for traffic safety and autonomous driving. To this end, a Conditional Variational Auto-Encoder (CVAE) classifier that uses motion information captured by applying dense optical flow and object information extracted by a state-of-the-art object detector is proposed in this thesis. Built on the CVAE system, this thesis uses convolutional and recurrent neural networks for learning spatiotemporal features from the motion and object information. In order to train the classifier, a large real-world dataset is manually labeled from traffic video recordings collected at a busy intersection. In addition, this thesis applies a self-attention mechanism to enable the model to learn the weights between frame-level probabilities, which enhances the performance of the classifier. Furthermore, a sequence-to-sequence model is taken as the baseline model. Compared with the baseline model, the empirical results of the CVAE model using padding method with attention mechanism demonstrate the highest classification accuracy and the least false negative detections.
    Leitung: Bodo Rosenhahn, Monika Sester, Hao Cheng
    Team: Li Feng
    Jahr: 2020
  • Spatiotemporal Functional Data Analysis of Helsinki's Bike Sharing System
    Understanding the usage patterns for bike-sharing systems is essential in terms of supporting and enhancing operational planning for such schemes. Studies have demonstrated how factors such as weather conditions influence the number of bikes that should be available at bike-sharing stations at certain times during the day. However, the influences of these factors usually vary over the course of a day, and if there is good temporal resolution, there could also be significant effects only for some hours/minutes (rush hours, the hours when shops are open, and so forth). Thus, in this paper, an analysis of Helsinki's bike-sharing data from 2017 is conducted that considers full temporal and spatial resolutions.
    Leitung: Philipp Otto, Hamza Alkhatib
    Team: Andreas Piter
    Jahr: 2020
  • Estimation of building parameters from street view images
    Buildings are important parts of urban area. Their parameters are useful for urban planning, house reconstruction, and navigation. Apart from the aerial images that acquire the information from above, street view images have been identified as an emerging data source to estimate building parameters. A proof-of-concept research is conducted to estimate firstly the building types from street view images. In this work, we proposed an end-to-end approach for building type classification. The street view images are downloaded from Google Street View based on OSM road networks. An automatic labelling process was proposed to prepare a training dataset. Using the state-of-art Convolutional Neural Networks. Building types of each building instances on the OSM can be classified based on the interpretation of street view image.
    Leitung: Feng, Kazimi
    Team: Xin Hu
    Jahr: 2020
  • Classification of road roughness in mobile mapping data
    Different road surface has different roughness, which is a very important feature for flood simulation, roads maintenance and driving safety assessment. This study aims to classify between different road types based on road roughness using mobile mapping data. The input data is LiDAR point cloud after ground removal. Road surfaces are defined as asphalt, cobblestone, grass area and road boundary four categories. The roughness descriptor is generated using multiple local geometric features and distance histogram. Random forest is used to train a classifier and weighted random forest is used to deal with the imbalanced data problem. To make the result smoother and more consistent, conditional random field is applied to process the predicted results. Finally, all tiles are merged and rasterized into 25cm grids to generate a road surface map. The result accuracy is 88.6% on training dataset and 84.7% on test dataset. The model results are validated on a large area where the overall accuracy is 82.9%.
    Leitung: Feng, Feuerhake
    Team: Wenjun Xie
    Jahr: 2020
  • Erkennung von Trajektorienanomalien mittels Spektralclustering und RNN-basiertem Autokodierer
    Die Erkennung von Anomalien ist wichtig, da anomales Verhalten auf kritische Ereignisse oder Objekte in verschiedenen Forschungsbereichen und Anwendungsgebieten hinweisen kann. Einer dieser Bereiche ist der Verkehr, insbesondere die integrierte städtische Mobilität. Trajektorien von sich bewegenden Objekten sind gute Darstellungen ihres Verhaltens in Überwachungsdaten und nützlich bei der Erkennung anomalen Verhaltens. Einerseits können Trajektorien im Vergleich zu einfachen physischen Merkmalen mehr agentenbasierte, langfristige Informationen liefern. Andererseits benötigen Trajektorie-Daten im Vergleich zu Video-Rohdaten, die gewöhnlich als eine Folge von Bildern dargestellt werden, weniger Speicherplatz und Rechenressourcen. Darüber hinaus verfügen sie über eine Vielzahl von Quellen, wie z.B. GPS-Instrumente und Laser-Scanner.
    Leitung: Sester, Koetsier
    Team: Yao Li
    Jahr: 2020
  • Transformation of Point Clouds using Generative Adversarial Networks
    For their territory, national survey departments have extensive Airborne Laser Scanning (ALS) point clouds with moderate point densities, and a high position and height accuracy. The national survey departments also derive point clouds from aerial flight operations using an algorithm called Dense Image Matching (DIM). These point clouds have a high geometrical and radiometric resolution. Due to being acquired with different sensor systems, ALS and DIM point clouds contain different attributes and behave differently, which makes a joint processing quite difficult. The goal of this thesis is to transform a DIM point cloud this way that it behaves like an ALS point cloud for the following processing steps. Firstly, both point clouds are rasterized, where each raster cell describes the distribution in height for all points within a raster cell. These rasterized images from both point clouds are then used to train a Generative Adversarial Network (GAN) such as the pix2pix network. The network outputs transformed height distributions, which can be back-projected to the original point clouds. Finally, those transformed point clouds can then be tested on different processing steps such as registration, change detection or classification.
    Team: Politz, Sester
    Jahr: 2020
  • Visual communication of bicycle routes using cartographic symbolization
    The present work focuses on the visualization of specially selected features that occur on a bicycle route and that influence comfort while driving. Routes in an urban environment, which are represented by edges of a graph, are mainly used for visualization. These edges of a route are individually mapped with a visual variable each so that the underlying feature appears in a map display. The variants created in this way for one of five characteristics are tested in a user study for efficiency, effectiveness, attractiveness and suitability and compared with more information-rich visualizations. The result of the evaluation reveals that color representations as well as representations with symbols or signatures are perceived as the most ideal.
    Leitung: Golze, Wage, Fuest, Feuerhake, Sester
    Team: Sharon Dornbusch
    Jahr: 2021
  • Visual route communication via geometric deformation
    This thesis proposes visual route communication via geometric deformation while providing map readers with different route options and helping them by visual means distinguish the most efficient route according to their personal preferences. The proposed communication is directed to create individual routing solutions, motivate travelers to avoid paths traversing the territories, which should be circumvented for different reasons. For route communication via geometric deformation, human psychological aspects were examined. For representation, existing visual variables were investigated and taken as a basis. The deformation method for the thesis found inspiration in perspective drawing art techniques, previously introduced multiple scales designs for maps, geometric projections, and distortions. Finally, the idea to visualize roads in the shape of a hollow or a pit was created. For the deformation implementation, two approaches were proposed in the thesis. The first method is based on the variable scales design. The foundation of the second method is lens distortion. As part of the thesis, an automated system for deformation was realized.
    Leitung: Fuest, Sester
    Team: Olga Shkedova
    Jahr: 2021
  • Reinforcement learning-based sharing data selection for collective perception of connected autonomous vehicles
    In this thesis, a deep reinforcement learning model is proposed to reduce the redundancy of CPMs for the raw point cloud data sharing scenario in the CAV networks. By combining deep reinforcement learning with collaborative perception, a RL based method for selecting collective perception data that uses the DDQN algorithm is implemented. Through this model, the vehicle can intelligently select the data to be transmitted, thereby eliminating redundant data in the network, saving limited network resources, and reducing the risk of communication network congestion.
    Leitung: Prof. Markus Fidler, Prof. Monika Sester, Yunshuang Yuan, Shule Li, Sören Schleibaum
    Team: Yuqiao Bai
    Jahr: 2021
  • Investigation of Maximum Consensus Techniques for Robust Localization
    High integrity localization is a fundamental task for an autonomous driving system. Standard localization approaches are usually accomplished by point cloud registration, which is often based on (recursive) least squares estimation, for example, using Kalman filters. However, due to the susceptibility of least squares minimization to outliers, it is not robust. This thesis focuses on robust localization and aims at the investigation of maximum consensus techniques using LiDAR data. The state-of-the-art maximum consensus approach is evaluated from various perspectives and its shortcomings with respect to straight street scenarios are revealed. Against that, a methodologically optimized normal vector based formulation of maximum consensus is proposed, which uses the distribution of the normal vectors to formulate the accumulator of consensus sets. With doing so, the system is able to achieve a robust localization on all common road conditions. The performances of both approaches are tested and analyzed on a data set containing 1915 epochs. The influence of search parameters is examined with respect to localization accuracy and run time. Results show a considerable improvement of the robustness using the normal vector based formulation.
    Leitung: Axmann, Brenner
    Team: Yimin Zhang
    Jahr: 2021
  • Entwicklung und Umsetzung einer webbasierten Visualisierung für 3D-Punktwolken
    In dieser Masterarbeit wird eine web-basierte Visualisierung für 3D-Punktwolken entwickelt. Die Lösung basiert auf Client-Server-Architektur und erweitert eine webbasierte 2D-Kartenvisualisierung des Instituts für Kartographie und Geoinformatik. Der Anwender kann durch eine Auswahl in einer Übersichtskarte den Einstiegspunkt in die 3D-Visualisierung wählen. Durch Komprimierungstechniken und durch das dynamische Nachladen samt entfernungsabhängiger Detailierungsgraden wird eine flüssige Navigation durch die komplette 3D-Punktwolke ermöglicht. Hierbei ist eine Steuerung per Tastatur und Maus möglich. Die client-seitige Umsetzung basiert auf WebGL, um im Browser um Ressourcen der Grafikkarte direkt zu nutzen können. Auf der Serverseite werden die Daten in einer datei-basierten Rasterstruktur vorgehalten.
    Leitung: Feuerhake
    Team: Maximilian Baier
    Jahr: 2021
  • Parking Pressure Identification using GIS Modelling
    Smart cities are a result of constant technological advancements that aim to improve the lives of its residents. One of the most significant features of smart cities is urban mobility. Urban traffic congestion is becoming increasingly common in major cities as the number of vehicles increases. Additionally, drivers all around the world struggle to find parking spaces in urban areas. Parking search traffic causes increased travel times and air pollution. So, it is essential to provide real time parking availability to the drivers to reduce the traffic congestion and protect from the increased emissions that affect the environment negatively. So that in this thesis we have used the Internet-of-Things (IoT) technologies and other spatial data which helps to build a model for the parking occupancy minutes prediction in the city of Berlin using Random Forest (RF) Regression machine learning algorithm. The RF Regression model achieved R2 value of 83 % which represents the accuracy of the model. Using the build model from the IoT sensors the parking pressure regions for the areas without sensor are predicted. By identifying the regions with high parking pressure, we can install the IoT sensors which will provide real time parking availability to the drivers through the mobile application.
    Leitung: Feuerhake, Leichter
    Team: Aravinthkumar Balasubramanian
    Jahr: 2021
  • Design, calibration and synchronization of a bicycle mapping platform
    In this master thesis, we focused on the preparation of a low-budget mobile mapping system suitable for mounting on a bicycle. This topic formed since the mapping systems are mostly made from expensive sensors which makes it unaffordable for many applications. After having the hardware parts mounted on a model-designed platform we continue to make the system ready for data acquisition. Followed by multiple experiments to justify the system and its limitations. Later on, we did system calibration which in our case consists of camera calibration and extrinsic LIDAR-camera calibration, using this, we did a couple of outdoor data acquisitions and repetition of the system calibration. The results from the experiments are discussed afterwards from which we observed that the camera calibration parameters are oscillating significantly, besides, the transformation parameters estimated by the extrinsic calibration was not constant. These points brought us to the conclusion that the stability of the calibration parameters is needed to be studied in depth in order to find the accuracy of the system. Nevertheless, we managed to colourize the point cloud with the obtained calibration parameters and they were visually correct.
    Leitung: Feuerhake, Busch
    Team: Reza Besharat
    Jahr: 2021
  • Robustes Multi-Objekt Tracking mittels Re-Identifizierung für Verkehrsteilnehmerinnen und Verkehrsteilnehmer
    Thema dieser Masterarbeit ist das Tracking von Verkehrsteilnehmerinnen und Verkehrsteilnehmern auf Kamerabildern. Hierfür wird das Multi-Object Tracking nach dem Tracking by Detection Prinzip durchgeführt. Bei diesem Prinzip werden die Detektionen von Objekten verschiedener Zeitschritte einander zugeordnet, sodass nur Detektionen einander zugeordnet werden, die dasselbe Objekt zeigen. Die Erstellung dieser Zuordnung wird hier mit einem Netzwerkfluss in einem Graphen gelöst. Die Gewichte der Kanten werden über die Ähnlichkeiten der Objekte bestimmt, welche mittels einem Siames-Net berechnet werden. Durch das Tracking lassen sich Trajektorien beweglicher Objekte bestimmen, welche wiederum für Anwendungen, wie etwa dem autonomen Fahren oder der Verkehrsüberwachung, verwendet werden können.
    Leitung: Busch
    Team: Maximilian Meyer
    Jahr: 2021
  • Using Dynamic Objects for Probabilistic Multi-View Point Cloud Registration and Localization
    Registering two point clouds involves finding the optimal rigid transformation that aligns those two point clouds. For a connected autonomous vehicle (CAV), an accurate localization for an `ego’ vehicle can be achieved by registering its point cloud to LiDAR data from other connected `cooperative’ vehicles. This paper utilizes an advanced object detection algorithm to select observation points that are on detected vehicles. As a prerequisite, a general probability distribution (cf. left figure) based on the observation points from all detected vehicles is established. For the registration, in the first step, observation points from a cooperative vehicle are assigned to detected bounding boxes. Then, each set of points belonging to one bounding box is registered to the general probability distribution resulting in a `probability map’. In the second step, the probability map is used as shared information and the point cloud of the ego vehicle is registered to it. Different from the Euclidean distance metric of the Iterative Closest Point (ICP) algorithm and the consensus count metric of the maximum consensus method, a new probability-related metric is proposed for a coarse registration. It is used to provide an initial transformation, which is used afterwards in a registration refinement by ICP. The registration is completely based on the vehicle information in the scene. The algorithm is evaluated on the collective perception data set COMAP. Especially for some scenes that are challenging to existing registration algorithms such as scenes in a traffic jam or in an open space where no efficient overlaps of observed static objects exists. For those scenarios, from the perspective of accuracy and robustness, the algorithm has shown good performance. The left figure shows the general distribution of observation points, while the figure on the right shows the registration result between 'probability map' of cooperative vehicle and Lidar points of ego vehicle.
    Leitung: Brenner, Yuan, Axmann
    Team: Peng Chang
    Jahr: 2021
  • Building Flood Risk Mapping from Mobile Mapping Data
    Urban flooding has caused damage to buildings in low-lying areas. Our goal is to detect parts of buildings that are vulnerable to flooding, such as basement windows and doors, based on urban mobile LiDAR data. We mark these risk areas on a map to help people take protective measurements. First, we extracted building facades based on urban point cloud data from an area in Hildesheim, Germany. We then projected the 3D point cloud of the building facades onto a 2D image and performed object detection on the 2D image. We used a scan line based approach to detect windows and doors. However, this rule-based approach is highly dependent on parameter settings and has low robustness. Therefore, we consider using the predictions generated by the scan-line based approach as training samples to train a deep learning model. This process requires a small amount of manual annotation of the training samples. To train such a semi-supervised learning model, three datasets were prepared for comparison, namely: all training samples were automatically generated by the scanline based method; the incorrectly detected samples were filtered out as a second dataset; and some of the filtered images were manually relabeled and added to the training dataset to obtain a third dataset.
    Leitung: Feng
    Team: Qing Xiao
    Jahr: 2021
  • Estimating House Price from Multiple Data Sources
    House prices are usually estimated based on basic house attributes, such as age. However, prices also vary depending on the different environments in their neighbourhood, such as greenery, noise of vehicles. These attributes are not generally available in traditional datasets as it takes a lot of effort to collect them. Recent research has shown that we can infer these socio-economic attributes from street view images and very high-resolution aerial imagery. In this work, we collected street view images and aerial images of each transacted property in New York City, as well as conventional attributes, to estimate the log-transformed price of the property. For the aerial images, potential visual features were extracted using a model pre-trained on an aerial image dataset, while intermediate values were also extracted, presenting the density of cars and swimming pools. For the street view images, visual latent features were extracted by a standard ResNet-50 model. After detecting and classifying car makes and models in the street view images, we aggregated the information on detected car into census blocks. Various combinations of features were used to compare the performance of the models. The results show that the model augmented with features extracted from street view images and very high-resolution (VHR) satellite images outperforms a model that extracts only basic features from traditional data sources.
    Leitung: Feng
    Team: Qianru Chen
    Jahr: 2021
  • Range and FoV Estimation of Pedestrian Detection in a Helmet Mapping System
    While LIDAR based mobile mapping systems have been used to map the indoor spaces to create indoor maps, such LIDAR based systems can also be used observe motion information while mapping the environment. This motion information can be used to understand the footfall and useful to businesses and also civil engineers for better planning. The objective of the work would be to achieve a Helmet mounted mapping system (HMS) using a Velodyne and IMU and its range estimation in detecting dynamic pedestrians. The HMS is an apparatus consisting the Velodyne and IMU mounted on an industry grade Helmet. Two kinds of existing learning methods, the Complex-YOLO with optimized parameters and PointPillars are applied by training a low-resolution simulated KITTI dataset.
    Leitung: Kamalasanan, Busch, Sester
    Team: Yisha Li
    Jahr: 2021
  • Spatiotemporal Calibration between a Helmet Mapping System and the HoloLens Augmented Reality System
    Mobile mapping systems are used to map indoor environments by utilising LIDAR sensors. These sensors when worn with a helmet via the Helmet mapping system (HMS) can also be integrated with Augmented reality (AR) devices like the HoloLens 2. Such integration can be beneficial for real-time 3D visualisation of sensor data. To achieve an integrated system, the HMS and AR device needs to be precisely time synchronized matching the different sensors rates running on different operating systems. The objective of this thesis is to achieve time synchronization and rigid body transformation between a helmet-mounted mapping systems (HMS) equipped with an Xsens IMU module and an Augmented Reality (AR) system HoloLens 2. Pedestrian motion was tested to find patterns for data synchronization using human movement only.
    Leitung: Kamalasanan, Busch, Sester
    Team: Özgün Karatas
    Jahr: 2021
  • Kalibrierung von Crowd Sourced Messungen der Oberflächenrauigkeit mittels LiDAR Daten
    Smartphones als kompakte Multisensorplattformen ermöglichen es zum Beispiel beim Fahrradfahren die Oberflächenrauigkeit anhand von Positions- und Beschleunigungsmessungen zu erfassen und Aussagen über die Qualität des Untergrundes zu treffen. Die erfassten Beschleunigungen des am Fahrradlenkers befestigten Smartphones können allerdings ebenso durch den Luftdruck der Reifen, das Gewicht des Fahrers oder die gefahrene Geschwindigkeit beeinflusst werden, sodass sich die von verschiedenen Personen erfassten Daten nicht direkt miteinander vergleichen lassen. In der Arbeit wurde die Eignung von LiDAR Mobile Mapping Punktwolken als unabhängige Referenz für die Erfassung von Oberflächenrauigkeiten und die Modellierung möglicher Einflussgrößen untersucht. Grundlage der Untersuchung dieser Arbeit sind LiDAR Mobile Mapping Punktwolken eines Messgebietes im Georgengarten, für das zusätzlich Beschleunigungs- und GPS-Beobachtungen von 17 Testpersonen zur Verfügung gestellt wurden.
    Leitung: Feuerhake, Wage, Brenner
    Team: L. Peter
    Jahr: 2021
    © L. Peter
  • Design, Implementation and Evaluation of a New Machine Learning Approach for Behavior Prediction Based on LSTM and KDE
    Aktuelle Fahrzeuge sind bereits heute häufig mit Fahrerassistenzsystemen ausgestattet, die den Fahrer bis zu einem gewissen Grad entlasten und zu mehr Komfort beitragen. Im Kontext des automatisierten Fahrens und insbesondere in Fällen, in denen das automatisierte Fahrzeug unkomfortable oder riskante Situationen antizipieren muss, sind jedoch einige Einschränkungen zu beobachten. Aus diesem Grund, haben zahlreiche Arbeiten vorgeschlagen, automatisierte Fahrsysteme mit einem Prädiktionsmechanismus zu erweitern, der in der Lage ist, das Fahrverhalten der umgebenden Fahrzeuge vorherzusagen. So wurden beispielsweise probabilistische Positionsprädiktionsansätze entwickelt und vorgeschlagen. Somit und mithilfe dieser Prädiktionen können automatisierte Fahrzeuge ihre zukünftigen Trajektorien so planen, dass sie für die Insassen angenehmer und sicherer sind. In dieser Arbeit, wird der oben beschriebene Ansatz, zur Prädiktion umgebender Fahrzeuge, erweitert und weiter untersucht. Zunächst wird ein auf dem Long Short-Term Memory (LSTM) basierendes Prädiktionsmodul, das in einer früheren Arbeit vorgestellt wurde, integriert. Dieses Prädiktionsmodul schätzt die Zeit, bis ein umgebendes Fahrzeug die Fahrspur wechselt. Diese Information wird dann verwendet, um den Basis-Vorhersageansatz (als Baseline MOE bezeichnet) zu erweitern (als Extended MOE bezeichnet). Die Experimente zeigen, dass die Integration der geschätzten Zeiten von Vorteil ist. Zur weiteren Evaluierung des erweiterten Modells werden verschiedene Strategien zu Feature-Kombination erforscht. Insgesamt werden fünf verschiedene Varianten untersucht. Das Extended MOE zeigt leichte Vorteile gegenüber den anderen Modellen mit einem Medianfehler von 0,19 m bei einem Prädiktionshorizont von 5 Sekunden. Im letzten Teil dieser Arbeit wird ein nicht-parametrischer Ansatz, der Kernel Density Estimation (KDE), zur Approximation der Wahrscheinlichkeitsdichte verwendet. Dies dient zum Vergleich mit dem parametrischen Ansatz (der Variational Bayesian Gaussian Mixture Model (VBGMM)) verwendet in dem Basis-Model. Dieser neue KDE-basierte Ansatz wird als Local KDE-Ansatz bezeichnet. Die Idee besteht darin, dass eine lokale bzw. spezifische nicht-parametrische Wahrscheinlichkeitsdichte für jede Vorhersage geschätzt wird. Die experimentellen Ergebnisse zeigen, dass der KDE-basierte Ansatz vielversprechende Ergebnisse liefert, allerdings mit dem Nachteil, dass die Inferenzzeit sich erheblich erhöht. Dies bleibt ein Hindernis für Echtzeitanwendungen.
    Leitung: Hao Cheng, Philipp Otto
    Team: Ahmed Khliaa
    Jahr: 2021
  • A Generative Model with a Mixture Density Network for Trajectory Prediction
    Using real-world data to predict road users' trajectories in shared space is critical for many intelligent systems. The related methods are also applicable in some industrial scenarios, e.g., mobile robotics in warehouses and factories. However, the road user's movement is affected by the behaviors of its neighboring agents in different environments, so their dynamic is complex and uncertain. Therefore, it is full of challenges to effectively and accurately predict the future trajectories of each agent. Based on the generative model Dynamic Context Encoder Network (DCENet), a mixture density network replaces its decoder. Rather than output the trajectories directly, the mixture density network outputs a mixture distribution of the potential future trajectories by using the network parameters. The framework's performance is evaluated using a challenging trajectory prediction benchmark called Trajnet. Compared to DCENet, in this thesis, the novel framework with a mixture density network makes predictions by sampling from the distribution with the maximum mixture weights, thus increasing the chance to choose the most likely future trajectory.
    Leitung: Hao Cheng, Monika Sester, Annika Raatz
    Team: Feng He
    Jahr: 2021
  • Planning Highway Vehicle Trajectories Using a Generative Approach with Interaction Modeling
    Highways are full of dynamic situations, such as high-speed traffic and unexpected lane changes. A driver needs to maintain close attention to the neighboring vehicles when driving on the highway, which may cause fatigue after long driving. Accurately predicting future trajectories of surrounding vehicles will be very helpful for drivers to improve their safety and comfort. This thesis provides an interactive model based on a Conditional Variational Autoencoder that predicts the future trajectory, potential lane changes, and braking situations of surrounding vehicles. The proposed model provides the following contributions: At the training phase, the future trajectory of the central ego vehicle is given to the model. Then we combine this future trajectory with a grid-based interactive module that considers the relative motion of the neighboring vehicles. Finally, we use the combined information to predict the probability distribution of the neighboring vehicles' driving maneuvers and trajectories. At the inference phase, the trained model cannot access the future trajectory of the ego vehicle. Only a predicted trajectory using the ego vehicle's past trajectory is provided to the model. We evaluate the model's performance on two highway datasets, HighD and NGSIM. The errors measured by root mean square error (RMSE) are 1.52 m and 5.55 m, respectively, on HighD and NGSIM, slightly worse than the state-of-the-art model PiP.
    Leitung: Hao Cheng, Bodo Rosenhahn, Monika Sester
    Team: Mengran Fan
    Jahr: 2021
  • Trajectory Forecasting with Semantic Scene Information
    Trajectory prediction, an integral part of the autonomous driving system, has been researched for decades. A multi-path forecast provides many paths compared to a single-path forecast in complex traffic situations. For the multi-path prediction task, three kinds of information are generally required: 1) ego-motion information, 2) dynamic interaction information, and 3) scene information. Dynamic information represents the interaction between a target agent and other agents. Scene information represents the environment information that constrains the movement of road users. However, scenario-specific information can also easily make a model too adaptive to a particular scenario and jeopardize the model&apos;s generalization ability to new scenes. The objective of the thesis is to validate whether a proposed scene branch with semantic maps, a kind of scene information, performs well for multiple trajectories prediction on the inD benchmark. The scene branch is added to DCENet, which is based on a Conditional Variational Autoencoder and has superior performance on the inD benchmark. his thesis uses DCENet as the baseline model. Instead of specific scene information, semantic maps are taken as input to extend the DCENet model to avoid the overfitting problem caused by certain scene information. Semantic maps consist of eight channels that indicate different areas in the scenes. Moreover, the visual attention module is incorporated into the scene branch to extract scene contexts. The visual-attention module contains single-source and multi-source attention modules used to extract local and global scene contexts, respectively. In addition, two architecture variations of the scene branch are proposed. In the two architecture variations, semantic maps are first processed by a convolutional neural network (CNN)-based backbone. The first architecture merges the feature maps from the CNN with the visual-attention module and a Long Short-Term Memory (LSTM) module. The second architecture has two stages of processing the feature maps from the CNN. The first stage is to adopt a depth separable convolutional layer to merge the feature maps linearly. The second stage is to pass the combined feature maps into the visual-attention module and an LSTM module. The results tested on the inD benchmark show that the second architecture variation with two-time steps of LSTM is the best among all the performances of the two architecture variations. However, the experimental results from two architecture variations of the scene branch are not as good as the baseline model DCENet. The inferior results might be due to the imbalance of the data diversity across the inD benchmark and the lack of details in semantic maps, even though data balance and augmentation are processed.
    Leitung: Hao Cheng, Bodo Rosenhahn, Monika Sester
    Team: Fengxiang Hu
    Jahr: 2021
  • Traffic Control Recognition Using Speed-Profiles and Image Data
    Intersection regulator rules are one of the most important elements influencing traffic flow and route choice. As the road networks become increasingly complex, commuters often need up-to-date road traffic conditions from digital maps. Given that using surveying and mapping personnel to inspect and record the latest information of intersection regulations and keep the digital maps updated is highly time-consuming and cost-expensive, therefore a large body of research seeks an automated way for intersection regulator detection. Recently, studies have been using GPS tracks and intersection maps for regulator detection and have achieved good results. This thesis designed a generative model based on a Conditional Variational Autoencoder (CVAE) to predict intersection regulations. To fully extract the temporal features of GPS signals, we use a self-attention mechanism in our network. We assume that the satellite images contain the information of, e.g., intersection geometry and environmental scene contexts, which is beneficial for regulator detection at the intersection. Then, we seek to combine both GPS tracks with the high-resolution satellite images extracted from Google Maps using the coordinates of the given intersection. We have designed three feature combination methods for our network to effectively integrate image features with GPS signals. We conducted experiments on the four networks we designed and compared them to a state-of-the-art method based on a CVAE model. The results show that, on average, our network with a self-attention mechanism is 3% higher than that of the CVAE model measured by the F1 score. It proves that our network can fully extract the temporal features of GPS signals. The results of the other three models, which combine GPS tracks with high-resolution satellite images, are not satisfactory. To find the problem, we designed multiple sets of dropout rates to verify the effectiveness of the image feature extraction network. The results show that the network structure of the image feature extraction we selected cannot effectively extract the features for intersection regulations prediction. We need to explore new network structures to extract image features in the future.
    Leitung: Hao Cheng, Markus Fidler, Monika Sester
    Team: Haoran Lei
    Jahr: 2021
  • Predicting Interaction Between Vehicles and Vulnerable Road Users at a Right-Turn Intersection
    In real-world traffic situations, interactions between vehicles and vulnerable road users (VRUs) frequently occur, and injuries caused by vehicles to VRUs account for a large proportion of traffic accidents. Therefore, research on the interaction between vehicles and VRUs is important for traffic safety. This thesis aims to automatically classify the level of risks in the interactions between a target vehicle and the involved VRUs. A Conditional Variational Autoencoder (CVAE)-based deep generative model uses vehicles’ position, velocity, and orientation to predict the future trajectory of the vehicles. Then, potential interactions between the vehicles and VRUs based on the predicted trajectories are classified into five risk levels—collision, serious conflict, slight conflict, potential conflict, and undisturbed passage. A stationary camera collects the traffic data at a busy intersection in Germany, called KoW. This thesis uses the camera calibration method to transform the view angle of the video data. It obtains the position of the road users in the real world by the deep learning model YOLOv4 for object detection and DeepSORT for tracking. The intersection area is divided into a preparation area and a conflict area through the road markings. The trajectory of the approaching vehicle in the preparation area is used as the input data of the prediction model for predicting its trajectory in the conflict area. The model achieved an average accuracy of 90% for the risk classification task on KoW dataset. Another dataset called AIM is leveraged to verify the generality of the model. The model reached the classification performance with an average accuracy of 97%.
    Leitung: Hao Cheng, Bodo Rosenhahn, Monika Sester
    Team: Zhentao Jian
    Jahr: 2021
  • Identification of Logistic Stopping Points in Big Vehicle Trajectory Data
    The advance in positioning technologies has facilitated the generation of spatio-temporal data representing the mobility of different objects in geographical space, namely trajectories. Trajectory data mining, especially on trajectory datasets of immense volume, allows improving traffic problems by analyzing spatio-temporal events. Double (second-row) parking is an example of unusual stopping events, which are often caused by parcel delivery vehicles. One of the solutions for the elimination of second-row parking situations created by parcel providers and their additional consequences, such as potential traffic jams, is the provision of spatial parking spaces for parcel services, so-called logistic stopping points. The objective of this thesis is to suggest logistic stopping points for the Hannover region based on trajectory information generated by parcel delivery providers. The delivery trajectories have to be extracted from the provided big vehicle trajectory dataset. As the result, 4030 trajectories and 46, 589 stops are determined as delivery. Based on the obtained delivery stop information, 2018 logistic stopping points for parcel provider services are suggested for the Hannover region. Additionally, an algorithm for second-row parking situation detection is implemented. The algorithm is applied to the delivery stops that happened in the Linden-Nord district of Hannover. The analysis of the results of this work shows that 80% of the detected second-row parking situations could have been prevented by establishing the suggested logistic stopping points.
    Leitung: Sester, Feuerhake, Wage, Koetsier
    Team: M. Karakulina
    Jahr: 2021
    © M. Karakulina
  • Identification of on-road and separate bicycle lanes
    Cyclists are the most vulnerable participants in the road traffic in these days. Therefore, it is important to protect them, for example, by physically separated bicycle lanes. Continuous position tracking can yield a lot of data, which can help to understand how moving objects behave. This information could be used, e.g. in routing applications aiming to find a more secure route to the users destination. In this thesis the goal is to explore the idea of the identification of bicycle lane types of (OpenStreetMap) road segments using GPS trajectories of bicycles and motorized vehicles. This goal is archieved by applying clustering to the pool of trajectory data. Different distance measures are explored to distinguish between car and bicycle clusters. Three different bicycle lane types are identified within this thesis in the region of Hannover. Each of them can be classified with at least 70 percent accuracy. There are multiple reasons for inaccuracies like GPS positioning errors and the fact that not all cyclists drive on the respective bicycle lanes but on the car lanes.
    Leitung: Golze, Feuerhake, Prof. Rosenhahn, Prof. Sester
    Team: Boying Liu
    Jahr: 2021
  • Bipartite Graphs for Modelling and Monitoring Heterogeneous Data
    In this Master Thesis, the student explored network modelling and monitoring on the example of bipartite graphs. In graph theory, k-partite graphs define graphs whose vertices can be partitioned into k different independent sets. The work introduces a joint application of the latent trait analysis model to represent graphs and the exponentially weighted moving average chart for monitoring real-life data. Using the Norwegian company and director dataset to perform modelling and monitoring, it could be displayed how the interlocking directorate (the same person is a director board member of two or more companies) changed overtime at an alarming rate during the global financial crisis. The picture shows a bipartite graph representation of the Norwegian public limited companies (blue nodes) and their directors (orange nodes).
    Leitung: Malinovskaya, Otto
    Team: Deepak Savanur
    Jahr: 2021
  • Using dynamic visual variables for visualizing efficiency in route maps
    (Un)fortunately, as the world becomes more urbanized and the population density of cities continue to increase, there has been a proportional increase in automobile dependence, which has in turn resulted in high traffic density, increased air pollution, higher road risks, amongst other side effects. This thesis aims to develop dynamic visualization variants based on the dynamic visual variables and evaluate the effectiveness of these variants in communicating route efficiency to users and how we can use the dynamic variables to influence route choice.
    Leitung: Fuest, Sester
    Team: Samsondeen Dare
    Jahr: 2021
  • Identifikation und Analyse von Bewegungsmustern in Trajektorien
    In dieser Arbeit werden Bewegungsmuster in Trajektoriendatensätzen hinsichtlich der jeweiligen besuchten Orte einer Trajektorie identifiziert. Dazu werden den Aufenthaltspunkten weitere semantische Informationen abhängig von der Position, der Tageszeit und der Aufenthaltsdauer zugewiesen; die Zuweisung von semantischen Informationen hinsichtlich der Position erfolgt mit Hilfe von OpenStreetMap-Daten. Ein weiterer Schwerpunkt lag auf der Identifikation von zusammengehörigen Trajektorienteilstücken, da der gegebene Datensatz als Folge des Datenschutzes anonymisiert wurde; dazu wurde eine Koordinatenprädiktion für alle Trajektorien-Endpunkte durchgeführt, um mit Hilfe einer Umkreissuche und der zeitlichen Nähe einen geeigneten weiterführenden Anfangspunkt einer anderen Trajektorie zu identifizieren. Die auf Basis der Aufenthaltspunkte durchgeführte Erkennung von wiederkehrenden Bewegungsmustern erzeugt bei den verwendeten Datensätzen keine aussagekräftigen Muster, die im gesamten Datensatz in mehreren Trajektorien detektiert werden; allerdings werden für einzelne Trajektorien aussagekräftige, wiederkehrende Muster gefunden. Ein steigender Detailgrad bei der Zuweisung von Kategorien hinsichtlich des Aufenthaltsortes resultiert in weniger wiederkehrenden Mustern, die hingegen eine höhere Aussagekraft angesichts der Interpretation des Bewegungsverhaltens einer beobachteten Person zulassen.
    Leitung: Golze, Feuerhake, Wage, Sester
    Team: Friderike Fischer
    Jahr: 2022
  • Entwicklung einer modularen Sensorplattform zur mobilen Erfassung von Fahrzeugbegegnungen
    Das Fahrradfahren im gemeinsamen Verkehrsraum mit Kraftfahrzeugen bereitet vielen Radfahrer*innen Unbehagen. Das Meiden stark befahrener Straßen ist nur mit guter Ortskenntnis möglich, da zur Häufigkeit der Begegnungen mit Kraftfahrzeugen auf den meisten Straßen keine Daten vorliegen. Die Erfassung eines Datensatzes, der Smartphone-Sensordaten über Fahrzeugbegegnungen sammelt, könnte die Grundlage für einen Smartphone-basierten Fahrzeugdetektor bilden. Magnetometer- und Barometer-Messwerte werden als Indikatoren für vorbeifahrende Fahrzeuge verwendet. In dieser Arbeit wird zunächst eine Sensorplattform konstruiert, die zur Erhebung von Smartphone- und anderen Sensordaten im Fahrbetrieb dient. Das System ist so ausgelegt, dass es auch in Zukunft mit anderen Sensorkonfigurationen genutzt werden kann. Daraufhin wird eine Methodik vorgestellt, die auf Basis der Daten einer Kamera und eines Abstandssensors an der Sensorplattform einen Datensatz von Fahrzeugbegegnungen erzeugt. Dieser enthält zu den gefahrenen Trajektorien alle wichtigen Sensordaten eines handelsüblichen Smartphones inklusive der Zeitpunkte von Fahrzeugbegegnungen. Ab- schließend wird auf Basis des Datensatzes ein dreiklassiger Klassifikator trainiert und evaluiert. Dabei wird untersucht, welcher Ansatz einen generalisierbaren Klassifikator liefern kann. Für den Klassifikator werden mehrere auf dem Random Forest basierende Ansätze untersucht. Dabei werden Aufbau und Parameter einer Sliding-Window-Funktion zur Feature-Erzeugung angepasst.
    Leitung: Wage, Feuerhake, Golze, Sester
    Team: Tim Schimansky
    Jahr: 2022
  • Nutzungsdatengetriebene Analyse des Potentials von Mikromobilitätsdiensten
    Der geteilten Mobilität wird in der öffentlichen Debatte um die Verkehrswende häufig eine entscheidende Rolle zugeordnet. Darunter fallen auch die sogenannten Mikromobilitätsdienste. Das Ziel dieser Masterarbeit ist es, das Potential von Mikromobilitätsdiensten für die Verkehrswende im Hinblick auf die Intentionen der Nutzer, auf zeitliche Variationen, sowie auf Vorteile gegenüber anderen Transportmitteln datenbasiert zu bewerten. Dafür wird eine Fallstudie anhand von Mobilitätsdaten der Bikesharing-Fahrräder und Elektrotretroller zweier Anbieter in Hannover durchgeführt.
    Leitung: Wage, Feuerhake, Golze
    Team: Finn Boie
    Jahr: 2022
  • Comparison of network representations for analysing temporal power plant data
    As renewable energy is increasingly used in power generation, the temporal and spatial balance of electric power supply and demand requires large-scale power transmission to maintain. Describing such systems requires network modeling theory. This dissertation takes the German power transmission network as an example and explores the impact of different representations. The representation forms include unweighted network, weighted network, multiplex network and interconnected network. In this dissertation, the static topological characteristics of networks under different representations are examined. Then, the temporal data of the available capacity is also introduced, and a temporal network with the power flow path as the time variable is constructed based on Djikstra’s algorithm. In this research, we find that the weighted network is more suitable for modeling transmission networks than the unweighted network, and the multi-layer network may be more suitable for modeling more complex systems.
    Leitung: Anna Malinovskaya, Philipp Otto
    Team: Ruochen Yang
    Jahr: 2022
  • Hololens 2 – Evaluating 3D Mapping and Technical Capabilities
    In this study, the technical and 3D mapping capabilities of Hololens 2 was evaluated. The Microsoft Hololens 2 is a head-worn mobile mixed reality device that is capable of mapping its direct environment in real time. It is equipped with different sensors including four visible light tracking cameras and a depth sensor. The 3D map created using these sensor streams can be accessed by research mode. This makes Hololens 2 a powerful tool for mapping an indoor space. In this work, we evaluate the capabilities of Hololens 2 with respect to the task of the 3D indoor mapping, semantic segmentation and 3D modelling as the quality of scanned data highly influences the accuracy of reconstruction and segmentation.
    Leitung: Vinu Kamalasanan, Monika Sester
    Team: Vishal Rudani
    Jahr: 2022
  • Occupancy-free Space Modeling and Navigation Path Planning in a 3D Voxel Grid Environment for Urban Digital Twin Applications
    The urban digital twin is an innovative concept within smart city technology, aiming to develop integrated and intelligent systems by harnessing diverse data from a multitude of sensors. Three-dimensional (3D) geodata plays a pivotal role in the representation and operation of urban digital twins. Tasks such as smart space management and navigation have become increasingly essential in urban digital twin applications, and they can be effectively facilitated using a foundation of 3D geospatial data. Therefore, this master thesis focuses on the modeling of unoccupied space and navigation path planning, employing a 3D voxel grid environment representation. The objective of the thesis is to develop a suitable approach for defining vacant space within urban area, which is utilized to enable collision-free 3D navigation. To achieve this, it is proposed to integrate the point cloud data of the Hannover urban area into a 3D voxel grid structure. In this context, grid cells containing point cloud data are treated as obstacles, while unoccupied cells are collectively constitute the occupancy-free space. The identified vacant space serve as a graph for implementing the shortest path algorithm. Ultimately, both the occupancy-free space and an illustrative route through it are visualized to demonstrate the approach viability.
    Leitung: Shkedova, Feuerhake
    Team: Shkedova, Feuerhake
    Jahr: 2023
  • Development of an approach for integrating various format data into a 3D voxel-based Urban Digital twin
    The advancements in instruments and methodologies for collecting, transmitting, analyzing, and representing three-dimensional (3D) geodata over the past few decades have opened up extensive possibilities for various applications. 3D geoinformation plays a pivotal role in the operational frameworks of Smart City technology that can be represented within an Urban Digital Twin concept. This involves utilizing diverse data from numerous sensors and designing an adaptive digital model that learns from and evolves alongside the real city.
    Leitung: Shkedova, Feuerhake, Sester
    Jahr: 2023
  • Future trajectory and Motion guidance with Augmented reality
    Controlling pedestrian motion pattern using augmented reality would require explainable visualizations to convince the user to change directions and speed of motion. Such AR visualizations should avoid cognitive overload and should provide motion guidance that are accurate representations of expected user actions to avoid conflicts / collisions. The focus of this master thesis would be to design and evaluate 3D motion guidance augmentations using AR emphasizing how such visualizations can avoid collisions between pedestrian / smartphone zombie. The student is expected to design and validate motion guidance visualizations in augmented reality
    Leitung: Kamalasanan, Sester
    Jahr: 2023
  • Exploring Herrenhausen Gardens
    Development of an Location Based Interactive Mobile Web Application for Enriching Visitors' Knowledge and Experience
    Leitung: Feuerhake, Sester
    Jahr: 2023
  • Hololens 2 - Analysis of capabilities and quality
    The Hololens is a device, which captures information of the environment and creates a 3D model of it. At the same time, it is able to place virtual objects into the environment and thus allows AR-applications. The goal of the thesis is to investigate the potential of the Hololens for capturing indoor environments. This includes the acquisition of 3D point clouds and a thorough quality assessment. Subsequently, the point could has to be processed in order to segment important objects or features (e.g. walls, furniture). To this end, the use of Deep Learning models has to be considered.
    Leitung: Kamalasanan, Sester
    Jahr: 2023
  • Evaluating uncertainty estimation techniques using deep leaning models for classification of point clouds
    Deep learning models have proven their ability to perform powerful classification and segmentation considering both 2d and 3D datasets. However, these classifications are often assumed to be accurate, without providing how reliable are these decisions made by the model. There are some possible techniques to convert a stochastic deep learning model into a probabilistic one, to provide a distribution over the weights, instead of finding point estimation for them, leading to an output distribution. Such distribution over output of a model shows not only the true class but also its reliability as the variance of the distribution.
    Leitung: Shojaei
    Jahr: 2024

Offene Masterarbeiten

  • Bestimmung von Mustern in Fahrzeugtrajektorien
    Die Bewegungstrajektorien von Fahrzeugen erlauben Rückschlüsse auf raum-zeitliche Situationen. So können beispielsweise Haltepunkte detektiert werden oder auch Stausituationen, oder auch Anomalien wie temporär nicht zu befahrende Straßensegmente. In der Arbeit sollen in einem großen Trajektoriendatenbestand solche Muster automatisch erkannt werden. Der Datenbestand umfasst sehr viele Trajektorien. Bei Interesse kann ein Schwerpunkt auf die skalierbare Datenanalyse mittels Hadoop und Spark gelegt werden. Je nach Schwerpunkt ist die Arbeit sowohl als Bachelor- als auch als Masterarbeit bearbeitbar.
    Team: Feuerhake, Sester
    Jahr: 2020
  • Investigation of the Spatio-Temporal Impact of Traffic Accidents
    Traffic accidents play an important role in our lives in terms of safety and security, especially for people. Everyone is affected by traffic accidents either directly (involved) or indirectly (consequences). Consequences such as traffic jams or road (lane) closures not only disrupt delivery and rush hour traffic, but can also lead to additional accidents. In addition, different types of traffic accidents can have different consequences. For example, an impact could be found in a reduction of the average travel speed on the road or on nearby roads in the time after an accident has occurred. The goal of this thesis is to investigate the impact of traffic accidents based on vehicle trajectories. Therefore, accident and trajectory data need to be linked and the spatial and temporal impact needs to be analyzed.
    Leitung: Golze
    Jahr: 2023
  • Localization of mobile objects in the Absence of GPS/GNSS: A Hybrid 2D-3D Approach
    In today's dynamic landscape of autonomous vehicles and robotics, accurate and real-time localization is imperative. While 3D methods have been employed for vehicle localization, their time-consuming nature poses challenges. This research seeks to a novel hybrid approach, bridging the efficiency of 2D methods with the precision of 3D refinement, to offer a faster and more robust solution for vehicle localization.
    Leitung: Mortazavi, Sester
    Jahr: 2023
  • Mobile Mapping Bike LiDAR Evaluation
    Das ikg setzt bereits seit einigen Jahren ein Auto basiertes LiDAR Mobile Mapping System zum Erfassen von Punktwolken ein. Diesen bieten vielfältige Analyse- und Visualisierungsmöglichkeiten. Allerdings ist die Nutzung des Messsystems auf mit dem Auto befahrbare Straßen beschränkt und die Prozessierung hängt von proprietärer Software ab. Um die Nutzungsmöglichkeiten zu erweitern wurde daher am ikg ein Lastenfahrrad basiertes Mobile Mapping System konstruiert. Dazu wurde ein Trike mit E-Unterstützung um ein Multisensorsystem erweitert, bestehend aus: LiDAR, RTK-GNSS, IMU und Erweiterungsmöglichkeiten um z.B. eine Thermalkamera. Dank der robusten Positionierung sind auch Messfahrten durch partiell abgeschattete Bereich (auch durch Innenbereiche) möglich. Auf dem Bordrechner werden die eingehenden Sensorstreams mittels ROS aufgezeichnet und bieten so individuelle Möglichkeiten zur weiteren Verarbeitung und Erweiterung des Systems. Ziel einer Abschlussarbeit wäre die Evaluation der resultierenden Punktwolke in Hinblick auf ihre relative Genauigkeit, sowie im Vergleich zum hochgenauen bisherigen System.
    Leitung: Schimansky, Wage
    Jahr: 2023
  • Detection of Signatures in old Maps using Deep Learning
    Old maps contain a lot of interesting information of the past reality. Most of maps are, however, only available in analogue form, and thus difficult to query and analyse automatically. The goal of this thesis is to explore modern deep learning methods to automatically detect signatures on old maps. There will be a concentration on certain types of objects, e.g. trees or buildings.
    Leitung: Thiemann, Sester
    Jahr: 2023
  • Calculation of the itinerary of historical sea voyages with a vague spatiotemporal data basis
    The thesis topic is related to the DiViAS project (digitization, visualization and analysis of collection items) which brings together scientific methods and practices for digitizing, researching and representing collections from colonial contexts. The project involves developing new approaches for making sense of the information derived from historical sources such as logbooks or travel reports. One of the project goals is to make the movements of ships, people and objects traceable, which can be facilitated by cartographic representations of these movements. Since the information provided in the historical sources is oftentimes vague, inaccurate or incomplete, the challenge here is to estimate the itinerary of a ship by taking a certain degree of vagueness into account.
    Leitung: Fuest, Sester
    Jahr: 2024
    © Staatsbibliothek zu Berlin ‐ Kartenabteilung
  • Map-based storytelling of historical sea voyages with a vague spatiotemporal data basis
    The thesis topic is related to the DiViAS project (digitization, visualization and analysis of collection items) which brings together scientific methods and practices for digitizing, researching and representing collections from colonial contexts. The project involves developing new approaches for making sense of the information derived from historical sources such as logbooks or travel reports. One of the project goals is to make the movements of ships, people and objects traceable, which can be facilitated by cartographic representations of these movements. In fact, many of these processes can only be understood in a temporal context. Since the information provided in the historical sources is oftentimes vague, inaccurate or incomplete, a visual representation using narrative techniques such as storymapping may facilitate understanding the spatiotemporal sequence of the events that happened throughout the journey.
    Leitung: Fuest, Sester
    Jahr: 2024
  • Automatische Annotation historischer Karten
    Suchmaschinen ermöglichen einen schnellen und gezielten Zugriff auf gespeicherte Inhalte im Internet. Voraussetzung dafür ist jedoch, dass diese Inhalte durch Schlüsselwörter oder Metadaten beschrieben sind. Bei der Suche nach Karten werden typischerweise die Namen oder Kartentypen als Schlüsselwörter verwendet. Will man jedoch auf Karteninhalte zugreifen, zum Beispiel auf Karten mit Laubwäldern, ist es notwendig, dass diese Karteninhalte auch durch Metadaten beschrieben sind. Gleichermaßen sind solche Beschreibungen auch erforderlich, um Blinden oder Menschen mit visuellen Einschränkungen einen Zugang zu ermöglichen Hier setzt die Masterarbeit an: Mit Hilfe von Deep-Learning-Methoden soll eine sogenannte semantische Segmentierung der Karteninhalte in mehrere Landnutzungsklassen vorgenommen werden. Diese Informationen sollen dann in geeigneter Form als Metadaten beschrieben und den Daten hinzugefügt werden.
    Leitung: Yuan, Sester
    Jahr: 2024
  • Dynamic Urban Digital Twin Representation via Spatio-Temporal Voxel Meshing
    Urban digital twins are virtual models that integrate real-time data to simulate and analyze cities, providing valuable insights for urban planning, traffic management, environmental monitoring, and disaster response. A common approach for creating these 3D models is voxel-based representation, where urban environments are represented by small cubic units (voxels). While offering high resolution, updating such detailed models in real time can be computationally expensive, especially for large urban areas. In highly detailed voxel models, updating each individual voxel—such as in a 10 cm resolution grid—can become inefficient, especially when many areas of the city remain stable over time.
    Leitung: Shkedova, Sester
    Jahr: 2024
    Dynamic Urban Digital Twin Representation via Spatio-Temporal Voxel Meshing Dynamic Urban Digital Twin Representation via Spatio-Temporal Voxel Meshing
  • Interactive Visualization of Parking Occupancy over Time in a 3D Urban Digital Twin Web Application
    Introduction In today's rapidly growing urban environments, efficient parking management has become a crucial challenge. As cities expand, the demand for parking spaces increases, making it essential to monitor parking occupancy in real-time or over time. Integrating this information into modern virtual 3D models of real-world cities (urban digital twins) provides an effective way to visualize parking space availability, helping reduce congestion and optimize urban mobility. However, the challenge lies in effectively visualizing parking occupancy within a 3D urban model. Unlike traditional 2D maps, 3D visualizations offer a more immersive and detailed perspective, but conveying time-dependent data—such as parking space availability at different times—within this context can be complex. Traditional 2D visualizations often use color codes or simple markers to represent occupancy status, but translating this into a 3D environment requires developing an intuitive system that allows users to interact with both the spatial and temporal dimensions of the data. The goal of this thesis is to design an interactive and user-friendly visualization approach that presents parking occupancy information in a way that allows users to explore both current occupancy states and historical data within a 3D urban digital twin.
    Leitung: Shkedova, Sester
    Jahr: 2024
    Interactive Visualization of Parking Occupancy over Time in a 3D Urban Digital Twin Web Application Interactive Visualization of Parking Occupancy over Time in a 3D Urban Digital Twin Web Application
  • Development of a Mobile Web Application with Augmented and Mixed Reality Features
    Augmented Reality (AR) and Mixed Reality (MR) are rapidly evolving technologies that provide new opportunities for the visualization and interaction with spatial data. Mobile devices, equipped with advanced sensors and cameras, make AR/MR accessible to a broad audience, enabling innovative applications in the geoinformatics domain. Despite recent advancements, challenges remain in determining the precise pose of the mobile device and accurately localizing virtual objects within the real-world environment. Addressing these challenges is critical for delivering effective AR/MR solutions. The goal of this thesis is to develop a mobile web application featuring AR/MR capabilities using HTML, JavaScript, and other relevant web technologies. The application should leverage device sensors to determine the current pose of the phone (position and orientation) and localize virtual objects in the physical world.
    Leitung: Feuerhake
    Jahr: 2024

[nicht kategorisiert]

  • fis-import china projekt
    Jahr: 2020

Letzte Änderung: 10.03.23 Druckversion

Mitgliedschaften
Partner
So erreichen Sie uns
Kontakt