Laserscanning
-
Mobile Mapping BikeDas 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, FeuerhakeJahr: 2023Förderung: InstitutsprojektLaufzeit: fortlaufend
![MobileMappingBike]()
![MobileMappingBike]()
-
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, MonikaTeam:Jahr: 2022Förderung: Bundesministerium für Digitales und Verkehr, Förderkennzeichen: 45FGU121_ELaufzeit: 2022-2024
![]()
![]()
-
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 BrennerTeam:Jahr: 2022Förderung: DFG Graduiertenkolleg i.c.sens
-
Localization and mapping using maximum consensusThe 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: BrennerTeam:Jahr: 2020Förderung: DFG Graduiertenkolleg i.c.sensLaufzeit: 2016-2024
-
d-E-mandEine 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, UdoTeam:Jahr: 2020Förderung: BMBFLaufzeit: 1.1.2020-30.6.2023
![]()
![]()
-
Incremental Map RefinementFor 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, MonikaTeam:Jahr: 2020Förderung: DFG-Graduiertenkolleg i.c.sensLaufzeit: 2016-2024
![]()
![]()
-
TransMIT - Ressourcenoptimierte Transformation von Misch- und Trennentwässerungen in Bestandsquartieren mit hohem SiedlungsdruckZunehmende 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, ikgTeam:Jahr: 2019Förderung: BMBFLaufzeit: 2019-2022
![]()
![]()
-
Massiv Kollaborative Erfassung von dynamischen Umgebungen und ihre Abbildung in digitalen KartenSelbstfahrende 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: BrennerTeam:Jahr: 2017Förderung: DFG-Graduiertenkolleg i.c.sensLaufzeit: 2016-2021 (erste Phase)
![]()
![]()
-
3D-Objektextraktion aus hochaufgelösten 3D-PunktwolkenIn 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, MonikaTeam:Jahr: 2017Förderung: Forschungs- und Entwicklungsvorhaben zwischen den Landesvermessungsämtern Niedersachsen, Schleswig-Holstein und Mecklenburg-VorpommernLaufzeit: seit 2017
![]()
![]()
-
LiDAR Mobile MappingFür 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: BrennerTeam:Jahr: 2017Laufzeit: Kontinuierlich
![]()
![]()
