Generalisierung und 3D-Visualisierung – Abgeschlossene Projekte

  • 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
  • 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