Forschung

Forschungsschwerpunkte Geoinformation

Der Schwerpunkt der Forschungsaktivitäten der Professur für Geoinformation liegt in der Erkennung raumzeitlicher Muster mit Methoden des Maschinellen Lernens. Anwendungsbereiche sind Data Mining in 3D Geodateninfrastrukturen und die Herleitung von Gebäudemodellen aus 3D Punktwolken. Weitere Anwendungsfelder liegen in den Agrarwissenschaften, vor allem die Früherkennung von Stress und Stresstoleranzen in der Präzisionslandwirtschaft.

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.

	Früherkennung von Trockenstress
	Wasserknappheit ist ein globales Problem, welches in der Landwirtschaft zu erheblichen Einbußen führt. 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.

	Früherkennung von biotischem Stress
	Die Früherkennung pathogener Infektionen ist von großer Relevanz für den Präzisionspflanzenschutz. Dieses Projekt fragt, welche Merkmale geeignet sind, möglichst viel Information mit Hilfe von maschinellen Lernverfahren über die spektrale Signatur von Nutzpflanzen zu erhalten.

Merkmalsselektion für verschiedene Stadien der Stressausbreitung	Entwicklung von Methoden zur Selektion und Bewertung von hyperspektralen Merkmalen für verschiedene Stadien am Beispiel der Ausbreitung von Trockenstress in Gerstenpflanzen

	Bewegungsverhalten von Rindern
	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	Detektion von Unkräutern und Pflanzenkrankheiten mit Support Vector Machines

CityGML	CityGML ist ein international standardisiertes Informationsmodell für die dreidimensionale Repräsentation urbaner Objekte

	Mapping on Demand
	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

Lärmkartierung Stufe 2	Wissenschaftliche Begleitung und Leitung der Qualitätssicherung für die EU-Umgebungslärmkartierung Stufe 2 in NRW.

	Rekonstruktion von Dächern
	Ziel dieses Projektes ist ein automatisches Verfahren zur flächendeckenden Herleitung solcher Gebäudemodelle. Hierzu werden robuste statistische Schätzverfahren sowie Methoden des maschinellen Lernens verwendet.

	Hochdetaillierte Gebäudemodelle
	Rekonstruktion hochdetaillierter und semantisch reichhaltiger Gebäudemodelle aus terrestrischen Laserscans durch Parsen der 3D Punktwolken mit attributierten Grammatiken.

	Gebäudeklassifizierung
	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.

	Farbselektion
	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.

	Reasoning mit Unsicherheit
	Automatisches geometrisches Schließen zur Rekonstruktion von 3D-Gebäudemodellen.

Grammatiken für 3D-Gebäudemodelle	Lernen von Grammatiken zur Rekonstruktion von 3D-Gebäudemodellen

XGep	XML-basiertes Framework zur Modellierung geometrischer Objekte mit attributierten Grammatiken

AristotelesViewer- GML 3D	The AristotelesViewer realises a framework to read, visualise, edit and convert GML 3.x data files, which contain 3D data.

	Räumliche Datenbanken
	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.