Sester - Forschungsprojekte

Mobilität

  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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

Big Data und Machine Learning

  • 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
    Jahr: 2023
    Förderung: BKG - Bundesamt für Kartographie und Geodäsie
    Laufzeit: 2023-2025
  • 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
  • 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

Datenintegration

  • 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

Generalisierung

  • 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
  • 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
  • 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

3D-Visualisierung

  • 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
  • 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: 2020-2023
  • 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

Laserscanning

  • 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
  • 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
  • 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
  • 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