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; 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…
  • Aigner, Sandra; Körner, Marco: FutureGAN: Anticipating the Future Frames of Video Sequences using Spatio-Temporal 3d Convolutions in Progressively Growing Autoencoder GANs. arXiv preprint arXiv:1810.01325, 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…
  • Liebel, Lukas; Körner, Marco: Auxiliary Tasks in Multi-task Learning. arXiv preprint arXiv:1805.06334, 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…

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

  • Koch, Tobias; Liebel, Lukas; Fraundorfer, Friedrich; Körner, Marco: Evaluation of CNN-based Single-Image Depth Estimation Methods. arXiv preprint arXiv:1805.01328, 2018 mehr…
  • Liebel, Lukas; Körner, Marco: Auxiliary Tasks in Multi-task Learning. arXiv preprint arXiv:1805.06334, 2018 mehr…
  • Schmitt, Michael; Hughes, Lloyd; Körner, Marco; Zhu, Xiao Xiang: COLORIZING SENTINEL-1 SAR IMAGES USING A VARIATIONAL AUTOENCODER CONDITIONED ON SENTINEL-2 IMAGERY. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences XLII-2, 2018, 1045--1051 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…
  • Bittner, Ksenia; d'Angelo, Pablo; Körner, Marco; Reinartz, Peter: AUTOMATIC LARGE-SCALE 3D BUILDING SHAPE REFINEMENT USING CONDITIONAL GENERATIVE ADVERSARIAL NETWORKS. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (ISPRS) XLII-2, 2018, 103--108 mehr…
  • Aigner, Sandra; Körner, Marco: FutureGAN: Anticipating the Future Frames of Video Sequences using Spatio-Temporal 3d Convolutions in Progressively Growing Autoencoder GANs. arXiv preprint arXiv:1810.01325, 2018 mehr…
  • Kang, Jian; Körner, Marco; Wang, Yuanyuan; Taubenböck, Hannes; Zhu, Xiao Xiang: Building instance classification using street view images. ISPRS Journal of Photogrammetry and Remote Sensing, 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…
  • Bittner, Ksenia; Körner, Marco: Automatic Large-Scale 3D Building Shape Refinement Using Conditional Generative Adversarial Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 2018 mehr…