Masterarbeiten am Geodätischen Institut

LAUFENDE MASTERARBEITEN

  • Development of a quality model for the uncertainty judgement of a kinematic TLS-based multi-sensor system
    Die räumliche und zeitliche Beschreibung von Massendaten nimmt bei den heutigen Messaufgaben eine immer bedeutendere Rolle ein. Neben der geometrischen und semantischen Modellierung spielt dabei in der aktuellen Forschung insbesondere die Qualitätsanalyse eine wichtige Rolle. Dies erfordert stark vereinfacht jedoch die Betrachtung des kompletten Mess- und Auswerteprozesses von den sensorspezifischen Aspekten über die Georeferenzierung bis hin zu den objektrelevanten Einflüssen. Eine Qualitätsbeurteilung der eingesetzten Instrumente, die in der Regel im Verbund als Multi-Sensor System (MSS) arbeiten, kann bspw. anhand der erzeugten Punktwolke erfolgen, wenn Referenzinformationen verfügbar sind. Bei dieser als Rückwärtsmodellierung bezeichneten Vorgehensweise wird die mit dem jeweiligen Sensor erfasste Punktwolke mit einer Referenz-Punktwolke mit übergeordneter Genauigkeit verglichen. Im Rahmen dieser Masterarbeit liegt der Schwerpunkt dabei auf dem kinematischen Laserscanning. Dazu wird im Hannover Institute of Technology (HITec)-Labor der Leibniz Universität Hannover eine Referenz-3D-Punktwolke des Labors genutzt, die für die Qualitätsanalyse eines (low-cost) kinematisch georeferenzierten Laserscanners eingesetzt werden kann. Hierbei soll ein übergreifendes Qualitätsmodell entwickelt werden, dass sowohl Aspekte der Vorwärtsmodellierung integriert, sofern physikalisch Informationen über das Messsystem verfügbar sind.
    Betreuung: Ingo Neumann, Hamza Alkhatib, Sören Vogel
    Bearbeitung: Dominik Ernst
    Jahr: 2021
    Laufzeit: 03/2021 - 08/2021
  • Constrained Particle Filter with Implicit Measurement Equations for Georeferencing of Multi-Sensor-Systems (MSSs)
    Localization of Multi-Sensor-Systems (MSSs) within the particle filtering framework by means of implicit measurement equations and nonlinear geometrical constraints
    Betreuung: Hamza Alkhatib, Rozhin Moftizadeh
    Bearbeitung: Jan Jüngerink
    Jahr: 2021
    Laufzeit: 03/2021 - 08/2021
  • Punktwolken-Segmentierung mittels Transferlearning und Local-Outlier-Factors
    Segmentierung von unstrukturierten 3D-Punktwolken mittels künstlicher neuronaler Netze
    Betreuung: Hamza Alkhatib, Ingo Neumann, Frederic Hake
    Bearbeitung: Paula Lippmann
    Jahr: 2021
    Laufzeit: 04/2021 - 10/2021
  • Schadenserkennung mit Machine-Learning-Algorithmen am Beispiel von Hafenstrukturen
    Klassifizierung von Schäden in unstrukturierten Punktwolken unter Nutzung der Geometrie, Intensität und Farbinformation
    Betreuung: Hamza Alkhatib, Jürgen Peissig, Frederic Hake
    Bearbeitung: Ahmed Elsheikh
    Jahr: 2021
    Laufzeit: 04/2021 - 10/2021
  • Extrinsic Calibration of an Inertial Measurement Unit on a Multi-Sensor System platform
    Sensors data fusion is an optimal way to overcome individual sensor limitations. In many various fields like Geodetic, Industry or Autonomous applications, Multi Sensor data usage is a common and most of the time necessary solution. However, the essential step before the Multi Sensor data fusion is to estimate the interior calibration parameters of each individual sensor and its spatial transformation parameters in the platform coordinate system or with respect to other sensors (External calibration).
    Betreuung: Arman Khami, Sören Vogel, Mohammad Omidalizarandi
    Bearbeitung: Liu Jiayu
    Jahr: 2021
    Laufzeit: 06/2021 - 12/2021
  • Development and validation of a filtering approach for the robust 3D localisation of a driverless transport vehicle
    Die Umgebungsnavigation mittels LiDAR ist in den letzten Jahren im Industriebereich ein gebräuchlicher Standard für FTF (Fahrerlose Transportfahrzeuge) geworden. Der Betrieb in Industrieanlagen ist mit häufigen Veränderungen an der Umgebung verbunden, Lagerflächen sind beispielsweise unregelmäßig besetzt und verdecken u.U. fixe Landmarken, die essentiell für die Positionsbestimmung mittels LiDAR sind. Deshalb sollen die Vorteile einer 3D-Lokalisierung untersucht werden.
    Betreuung: Sören Vogel, Hamza Alkhatib, Christian Hartberger, Sebastian Behling
    Bearbeitung: Leonard Göttert
    Jahr: 2021
    Laufzeit: 04/2021 - 10/2021
    © Götting KG
  • Untersuchung und Bewertung von Kamerakalibrierverfahren für visuell gestützte Navigationssysteme
    Technische Systeme, die autonom navigieren sollen, müssen mit umfangreichen Sensorsystemen ausgestattet sein, die es erlauben, ein Fahrzeug mit hoher Genauigkeit in seiner Umgebung zu lokalisieren. Dazu werden der groben Positionierung, beispielsweise durch GNSS, zusätzliche lokale Informationen hinzugefügt. Kameras haben dabei eine besondere Bedeutung, da sie eine große Menge von Informationen aus dem Umfeld auf einmal aufnehmen können. Um die aufgenommenen Bilddaten korrekt zu interpretieren, wird ein mathematisches Modell der Kamera benötigt, das die Umrechnung von 2D Bildpunkten in 3D Objektpunkte ermöglicht. Die Parameter, die die individuelle Kamera charakterisieren, müssen durch Kalibrierung festgestellt werden. Die Kamerakalibrierung ist somit ein essentieller Bestandteil der visuellen Navigation.
    Betreuung: Hamza Alkhatib, Ingo Neumann, Jürgen Graf (iMAR Navigation GmbH), Sören Vogel
    Bearbeitung: Marion Zielinski
    Jahr: 2021
    Laufzeit: 06/2021 - 12/2021

ABGESCHLOSSENE MASTERARBEITEN