Sester - Abgeschlossene Projekte

3D-Visualisierung

Big Data und Machine Learning

  • 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
  • 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
  • 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

Datenintegration

  • 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
  • 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

Laserscanning

  • 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
  • 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

Mobilität

  • 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
  • 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)