Forschungsschwerpunkte Geoinformation

Der Schwerpunkt der Forschungsaktivitäten der Professur für Geoinformation liegt in der Entwicklung von Algorithmen für die automatische Analyse und Visualisierung raumbezogener Information.

Insbesondere wird an der Erstellung und Fortführung digitaler Landschaftsmodelle, dreidimensionaler Gebäudemodelle und topographischer Karten geforscht. Weitere Schwerpunkte bilden dynamische Karten auf kleinen Displays für standortbasierte Dienste und Navigationsaufgaben. In diesen Zusammenhängen werden Probleme der automatischen Generalisierung, der automatischen Vektordatenintegration, der automatischen Schriftplatzierung und der Visualisierung von Verkehrsnetzen behandelt. Methodische Schwerpunkte liegen in Verfahren der algorithmischen Geometrie, der kombinatorischen Optimierung sowie der künstlichen Intelligenz.

 Bei der Gebäuderekonstruktion liegt der Fokus auf Dächern und Dachaufbauten; diese werden zum Beispiel für die Abschätzung des Solarpotentials benötigt. Weitere Beispiele sind Fassaden mit Treppen, Fenstern und Türen.

Am Lehrstuhl für Geoinformation wird insbesondere an Algorithmen zur Beschriftung von Karten, an der Visualisierung geographischer Netze und an dynamischen Karten mit veränderlichem Maßstab geforscht.
Analyse- und Visualisierungsaufgaben in GIS erfordern effiziente Algorithmen um Daten zu aggregieren, Zuordnungen zwischen Objekten verschiedener Datensätze zu finden und Muster zu erkennen. Für diese Zwecke werden an der Professur für Geoinformation Algorithmen entwickelt.
Reasoning in urbanen Strukturen
Die automatische Interpretation und Rekonstruktion detaillierter urbanen Strukturen ist ein aktuelles noch offenes Forschungsgebiet.
Dieses Projekt beschäftigt sich damit, wie man hyperspektrale Bilder mit Hilfe maschineller Lernverfahren auswerten kann, um damit abiotischen (aber auch biotischen) Stress bei Pflanzen detektieren zu können.
Dieses Projekt fragt, welche Merkmale geeignet sind, möglichst viel Information mit Hilfe von maschinellen Lernverfahren über die spektrale Signatur von Nutzpflanzen zu erhalten.
HSVap is an Open-Source-Project which supports the use of advanced methods of Machine Learning for analysis of hyperspectral images.
Entwicklung von Methoden zur Selektion und Bewertung von hyperspektralen Merkmalen für verschiedene Stadien am Beispiel der Ausbreitung von Trockenstress in Gerstenpflanzen
Das Bewegungsverhalten von Milchkühen wird durch Positions- und Herzfrequenzsensor überwacht. Mit Methoden des Maschinellen Lernens wird aus diesen Daten mit hoher zeitlicher Auflösung auf das Bewegungsverhalten geschlossen.
Detektion von Unkräutern und Pflanzenkrankheiten mit Support Vector Machines
CityGML ist ein international standardisiertes Informationsmodell für die dreidimensionale Repräsentation urbaner Objekte
The goal of the project is the development and testing of procedures and algorithms for the fast three-dimensional identification and mensuration of inaccessible objects on the basis of a semantically specified user inquiry.
P7. An Incremental Refinement of a Semantic Building and Landscape Model
Wissenschaftliche Begleitung und Leitung der Qualitätssicherung für die EU-Umgebungslärmkartierung Stufe 2 in NRW.
Ziel dieses Projektes ist ein automatisches Verfahren zur flächendeckenden Herleitung solcher Gebäudemodelle. Hierzu werden robuste statistische Schätzverfahren sowie Methoden des maschinellen Lernens verwendet.
Rekonstruktion hochdetaillierter und semantisch reichhaltiger Gebäudemodelle aus terrestrischen Laserscans durch Parsen der 3D Punktwolken mit attributierten Grammatiken.
Der Gebäudetyp als wesentliche semantische Information von 3D-Stadtmodellen ist bei vielen Anwendungen unentbehrlich. Der überwiegende Teil an flächendeckend vorliegenden Stadtmodellen beinhaltet diese Information nicht. Ziel dieses Projektes ist die automatische Prädiktion des Gebäudetyps mit Hilfe von Methoden des maschinellen Lernens aus niedrig-aufgelösten Stadtmodellen.
Visuell gut unterscheidbare Farben sind das wesentliche Darstellungsmittel bei der Gestaltung von Karten, die ad hoc aus Datenquellen des WWW erstellt werden. Die Selektion dieser Farben erfolgt durch Lösung eines Problems der mathematischen Optimierung.
Automatisches geometrisches Schließen zur Rekonstruktion von 3D-Gebäudemodellen.
Lernen von Grammatiken zur Rekonstruktion von 3D-Gebäudemodellen
XML-basiertes Framework zur Modellierung geometrischer Objekte mit attributierten Grammatiken
The AristotelesViewer realises a framework to read, visualise, edit and convert GML 3.x data files, which contain 3D data.
Repräsentation von flächendeckenden 3D Stadtmodellen (CityGML Level-of-Detail 1 und 2) in raumbezogenen Datenbanken und die Bereitstellung von Werkzeugen die das Data Mining in 3D Stadtmodellen unterstützen.