MAV 4 BIM
Large-Scale Land Use and Land Cover Classification

Computer Vision Research Group

Info:

Mitglieder

Gruppenleiter

Dr. rer. nat. Marco Körner

Doktoranden

Tobias KochSandra AignerLukas Liebel
Ksenia BittnerSeyed Majid AzimiBasil Kraft
Marc Rußwurm

Studentische Hilfskräfte

Juan Raul Padron GriffeLuka Sachße

arXiv Feed

  • Azimi, Seyed Majid; Fischer, Peter; Körner, Marco; Reinartz, Peter: Aerial LaneNet: Lane Marking Semantic Segmentation in Aerial Imagery using Wavelet-Enhanced Cost-sensitive Symmetric Fully Convolutional Neural Networks. arXiv preprint arXiv:1803.06904, 2018 mehr…
  • Koch, Tobias; Liebel, Lukas; Fraundorfer, Friedrich; Körner, Marco: Evaluation of CNN-based Single-Image Depth Estimation Methods. arXiv preprint arXiv:1805.01328, 2018 mehr…
  • Azimi, Seyed Majid; Vig, Eleonora; Bahmanyar, Reza; Körner, Marco; Reinartz, Peter: Towards Multi-class Object Detection in Unconstrained Remote Sensing Imagery. arXiv preprint arXiv:1807.02700, 2018 mehr…
  • Liebel, Lukas; Körner, Marco: Auxiliary Tasks in Multi-task Learning. arXiv preprint arXiv:1805.06334, 2018 mehr…

Projekte

Dieses Projekt beschäftigt sich mit der Erstellung von vollständigen und hochauflösenden 3D Gebäudemodellen aus Bildsequenzen von Micro Aerial Vehicles (MAVs). Neben der Rekonstruktion und Georeferenzierung von 3D Gebäudeaußenmodellen, soll ebenfalls das Gebäudeinnere aus unabhängigen Innenflügen modelliert werden. Eine automatische Registrierung von Gebäudeinnen- und außenmodellen ermöglicht die Erstellung von LOD-4 Gebäudemodellen.

In diesem Projekt sollen Methoden zur Landnutzungs- und Landbedeckungsklassifizierung mit Hilfe von Convolutional Neural Networks entwickelt werden. Trainingsdaten werden quasi-automatisch aus frei verfügbaren Geodaten (OpenStreetMap) und multispektralen Sentinel-2 Bildern gewonnen.

Die Sicherheit von autonomen Fahrsystemen ist stark abhängig von einer vorausschauenden Fahrweise der autonomen Fahrzeuge. Ziel dieses Projekts ist es, die Fähigkeit des menschlichen Gehirns zukünftige Ereignisse zu prädizieren, nachzubilden. Mit Hilfe aktueller Methoden der Computer Vision und des maschinellen Lernens werden auf Grundlage von beobachteten Bildsequenzen zukünftige Bildfolgen eines Videos generiert, aus denen Vorhersagen zum Verkehrsgeschehen abgeleitet werden. Die vom System gelernten Merkmale werden zudem genutzt um Verkehrsumgebungen und Aktionsmuster von Verkehrsteilnehmern zu modellieren und analysieren.

Die Modellierung von Verkehrsinfrastrukturen wird immer wichtiger, insbesondere seit autonome Fahrsysteme Teil der nahen Zukunft zu sein scheinen. Im Zuge dieses Projekts werden Algorithmen zur Prozessierung von Kameraaufnahmen aus Fahrzeugen entwickelt um alle verkehrsrelevanten Objekte, wie z.B. Verkehrsteilnehmer und Infrastrukturelemente, zu erfassen. Ergänzend zu den Informationen aus Bodenaufnahmen werden Luftbilder genutzt um Gruppenverhalten zu analysieren und das Verkehrsgeschehen vorherzusagen.

Publikationen

  • Liebel, Lukas; Körner, Marco: Auxiliary Tasks in Multi-task Learning. arXiv preprint arXiv:1805.06334, 2018 mehr…
  • Azimi, Seyed Majid; Vig, Eleonora; Bahmanyar, Reza; Körner, Marco; Reinartz, Peter: Towards Multi-class Object Detection in Unconstrained Remote Sensing Imagery. arXiv preprint arXiv:1807.02700, 2018 mehr…
  • Rußwurm, Marc; Körner, Marco: Multi-Temporal Land Cover Classification with Sequential Recurrent Encoders. ISPRS International Journal of Geo-Information 7 (4), 2018, 129 mehr…
  • Koch, Tobias; Liebel, Lukas; Fraundorfer, Friedrich; Körner, Marco: Evaluation of CNN-based Single-Image Depth Estimation Methods. arXiv preprint arXiv:1805.01328, 2018 mehr…
  • Azimi, Seyed Majid; Fischer, Peter; Körner, Marco; Reinartz, Peter: Aerial LaneNet: Lane Marking Semantic Segmentation in Aerial Imagery using Wavelet-Enhanced Cost-sensitive Symmetric Fully Convolutional Neural Networks. arXiv preprint arXiv:1803.06904, 2018 mehr…
  • Zhuo, Xiangyu; Koch, Tobias; Kurz, Franz; Fraundorfer, Friedrich; Reinartz, Peter: Automatic UAV Image Geo-Registration by Matching UAV Images to Georeferenced Image Data. Remote Sensing 9 (4), 2017 mehr…
  • Liebel, Lukas: Deep Convolutional Neural Networks for Semantic Segmentation of Multispectral Sentinel-2 Satellite Imagery: An Open Data Approach to Large-Scale Land Use and Land Cover Classification. 2017 mehr…
  • Rußwurm, Marc; Körner, Marco: Multitemporal Crop Identification from Medium-Resolution Multi-Spectral Satellite Images based on Long Short-Term Memory Neural Networks. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (ISPRS) XLII-1/W1, 2017, 551--558 mehr…
  • Kang, Jian; Wang, Yuanyuan; Körner, Marco; Zhu, Xiao Xiang: Robust Object-based Multi-Baseline InSAR. Advances in the Science and Applications of SAR Interferometry and Sentinel-1 InSAR (FRINGE), 2017 mehr…
  • Rußwurm, Marc; Körner, Marco: Temporal Vegetation Modelling using Long Short-Term Memory Networks for Crop Identification from Medium-Resolution Multi-Spectral Satellite Images. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2017 mehr…