Begrüßung

U. Sörgel

Universität Stuttgart

Measuring and understanding photosynthesis across scales - The FLEX-satellite mission to globally map solar-induced fluorescence

U. Rascher

Forschungszentrum Jülich

Agricultural parcel delineation based on multitemporal Sentinel-2 data - A comparison of machine learning and deep learning approaches for instance segmentation

F. Kröber

Paris-Lodron Universität Salzburg, Österreich

Analyse von Deep-Learning-Verfahren zur semantischen Segmentierung von photogrammetrischen Punktwolken aus Luftbildern

M. Hülsen^1,2

1: Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN); 2: Jade Hochschule Oldenburg

Analysis and implementation of rotation-invariant neural network architectures for feature extraction

V. Ress

Institut für Photogrammetrie der Universität Stuttgart, Deutschland

Automatisierte Generierung eines Baumkatasters aus Punktwolken in unterschiedlichen urbanen Umgebungen

S. Zagst

Technische Universität München, Deutschland

Analysis of ice shelf front dynamics in Pine Island Bay (Antarctica) based on long-term SAR time series and deep learning

L. Wagner^1,2,3

1: Lehrstuhl für Fernerkundung, Universität Würzburg, Würzburg, Deutschland; 2: Deutsches Fernerkundungsdatenzentrum, Deutsche Zentrum für Luft- und Raumfahrt, Oberpfaffenhofen, Deutschland; 3: Erdmessung und Glaziologie, Bayerische Akademie der Wissenschaften, München, Deutschland

Improved Rainfall Measurements from Microwave Link Attenuation Data via MSG SEVIRI Cloud Information

R. Wiegels^1,2

1: Technische Universität Darmstadt, Deutschland; 2: Institut für Meteorologie und Klimawissenschaften, KIT, Campus Alpin, Garmisch-Partenkirchen, Deutschland

Remote sensing-based plantation forest mapping in the Central Highlands of Vietnam: A deep learning approach

C. Zygar

Universität Würzburg, Deutschland

Sensitivity of Active and Passive Microwave Time Series to Individual Components of the Soil-Plant-Atmosphere Continuum

F. M. Hellwig^1,2

1: Friedrich Schiller University Jena, Department for Earth Observation, Leutragraben 1, D-07743 Jena; 2: German Aerospace Center (DLR), Microwaves and Radar Institute (HR), Münchener Straße 20, D-82234 Wessling

Untersuchung des Potentials von multi-temporalen TLS-Daten zum Monitoring des Wachstums von Laubbäumen

S. Böhme

Technische Universität Dresden, Deutschland

Using Deep Neural Networks for Gap Completion in Point Clouds occluded by Vehicles

Y. Xu

Leibniz University Hannover, Deutschland

Schätzung des Einfallswinkels basierend auf der Echoimpulsbreite von luftgestütztem LiDAR

J. Rhomberg-Kauert¹, F. Pöppl¹, M. Pfennigbauer², G. Mandlburger¹

1: TU Wien, Department für Geodäsie und Geoinformation, Forschungsbereich Photogrammetrie, 1040 Wien; 2: RIEGL Research Forschungsgesellschaft mbH, 3580 Horn, Austria

Bestimmung von Grundwasserhöhen in einem entwässerten Moor mittels SAR Zeitreihe

K. Krzepek, D. Iwaszczuk

Technische Universität Darmstadt, Deutschland

Detektion von Algenblüten in Fließgewässern mittels Vegetationsindizes anhand einer Fallstudie zur Oder-Katastrophe 2022

B. Habbel, R. Bay, M. Rödel, J. Steier, D. Iwaszczuk

Technische Universität Darmstadt, Deutschland

Weiterentwicklung des Copernicus-Produkts "Delineation of Riparian Zones" für das Ökosystem-Accounting in Deutschland

N. Habersack

Bundesamt für Kartographie und Geodäsie, Deutschland

Beobachtung und Rekonstruktion von Bodenerosionsprozessen mit permanenten Kamerastationen

O. Grothum¹, L. Epple², A. Bienert¹, A. Eltner¹

1: TU Dresden, JProf. Geosensorsysteme; 2: Friedrich-Schiller-Universität Jena, Lehrstuhl f. Physische Geografie

3D Gaussian Splatting auf Basis von LiDAR Punktwolken

T. P. J. Schimansky, M. Sester

Institut für Kartographie undGeoinformatik, Deutschland

UAV-basierte Phänotypisierung von Rapshybriden unter Einsatz von multivariater Statistik und Verfahren des maschinellen Lernens

D. Löwe¹, S. Warnemünde², J. Brassac², A. Stahl², H. Gerighausen¹

1: Julius Kühn-Institut (JKI) – Bundesforschungsinstitut für Kulturpflanzen, Institut für Pflanzenbau und Bodenkunde; 2: Julius Kühn-Institut (JKI) – Bundesforschungsinstitut für Kulturpflanzen, Institut für Resistenzforschung und Stresstoleranz

A pre-study for the integration of Edge AI in plant science

S. Paulus, L. Pichler, A. Barreto

Institut für Zuckerrübenforschung, Deutschland

Integration approach for manual generated single tree crown annotations

Q. Mei, J. Steier, D. Iwaszczuk

TU Darmstadt, Deutschland

Ansatz zur Validierung manueller Baumkronenannotationen

J. Steier, M. Goebel, D. Iwaszczuk

Technische Universität Darmstadt, Deutschland

MACHINE LEARNING FOR DETECTION OF FOREST FIRE EFFECTS ON SENTINEL-2 SATELLITE IMAGES OF UKRAINE

V. Hnatushenko^1,3, V. Hnatushenko², D. Soldatenko¹, C. Heipke³

1: Ukrainian State University of Science and Technologies, Dnipro, Ukraine; 2: Dnipro University of Technology, Dnipro, Ukraine; 3: Leibniz Universität Hannover, Hannover, Germany

Der AdV-Luftbildkameratest - Ein erster Überblick

D. Dieckmann

Landesamt für Vermessung und Geoinformation Schleswig-Holstein

AdV-Kameratest: Erste Ergebnisse der Landesvermessung NRW

S. Haas

Bezirksregierung Köln, Dezernat 72 - Topographische Informationserhebung

Kameratechnologien 1 - Bayer-Pattern Sensoren

J. Kremer

IGI mbH

Kameratechnologien 2 - Panchromatische Sensoren

M. Gruber

Vexcel Imaging GmbH

Podiumsdiskussion mit AdV- und Herstellervertretern

M. Cramer

Uni Stuttgart

Extremwettermanagement mit digitalen Multiskalen-Methoden: Das EXDIMUM-Projekt

M. Gerke¹, P. M. Achanccaray Diaz¹, S. Fekete², M. Figge³, N. Fohrer⁴, S. Giutronich⁵, P. Keldenich², S. Lutz⁶, M. Perk², A. Reinhardt⁷, C. Richter⁸, C. Rieck², B. Riedel¹, T. Riedemann⁵, F. Saba¹, K. Schrader⁶, A. Schröter³, D. Szafranski⁷, A. Taghavi¹, P. Wagner⁴

1: Technische Universität Braunschweig, Institut für Geodäsie und Photogrammetrie, Braunschweig; 2: Technische Universität Braunschweig, Institut für Betriebssysteme und Rechnerverbund, Abt. Algorithmik, Braunschweig; 3: EURAWASSER Betriebsführungsgesellschaft mbH, Goslare; 4: Christian-Albrechts-Universität zu Kiel, Institut für Natur- und Ressourcenschutz, Hydrologie und Wasserwirtschaft, Kiel; 5: REMONDIS Aqua Industrie GmbH & Co. KG, Lünen; 6: AMENO GmbH, Bad Harzburg; 7: Technische Universität Clausthal, Institut für Informatik, Clausthal-Zellerfeld; 8: DSI Aerospace GmbH, Bremen

Eine automatisierte Methode zur Erfassung überfluteter Flächen in Österreich mit dem Sentinel-1 Radarsatelliten

F. Roth¹, M. E. Tupas^1,2, B. Bauer-Marschallinger¹, W. Wagner¹

1: Department of Geodesy and Geoinformation, TU Wien, Vienna, Austria; 2: Department of Geodetic Engineering, University of the Philippines Diliman, Quezon City, Philippines

Erprobung von UAV-LiDAR Bathymetrie an einem alpinen Bergsee in Österreich

D. Mader, K. Richter, H.-G. Maas

Technische Universität Dresden, Deutschland

Ansätze zur simultanen Bestimmung von Wasseroberfläche und Gewässerboden in der Photobathymetrie

G. Mandlburger¹, L.-A. Gueguen¹, H. Sardemann², C. Mulsow², H.-G. Maas²

1: TU Wien, Department für Geodäsie und Geoinformation, Österreich; 2: TU Dresden, Institut für Photogrammetrie und Fernerkundung, Deutschland

Hybrid für große Gebiete, von der Leica DMC-4 zum Leica CountryMapper

U. Bacher

Leica Geosystems AG

Flying High with UltraCamDragon 4.1: Advanced Hybrid Aerial Imaging and LiDAR Technology

E. Breg

Vexcel Imaging GmbH

High Resolution Aerial Images in Five Spectral Bands with the IGI EcoMapper

J. Kremer

IGI mbH

Innovation in Aerial Imaging

C. Wieser

PhaseOne A/S

RIEGL Airborne Laserscanner und Systeme für die effiziente 3D Datenerfassung großer Gebiete

P. Rieger

Riegl Laser Measurement Systems GmbH

Expanding Horizons: Introducing a 6-Channel VNIR-SWIR Multicamera System for Advanced UAV-based Remote Sensing Applications

A. Jenal^1,2, C. Hütt², F. Reddig², A. Bolten², G. Bareth², J. Bongartz¹

1: University of Applied Science Koblenz, Application Center for Machine Learning and Sensors AMLS, 53424, Remagen, Germany; 2: University of Cologne, Institute of Geography, GIS & RS Group, 50923, Cologne, Germany

Multi-Camera NeRF: Evaluation of Relative Pose Regression between Rigid Camera Setups with Neural Radiance Fields

T. Kullmann¹, P. Hübner², T. Wirth³, A. Kuijper^4,5, D. Iwaszczuk²

1: Technical University of Darmstadt, Germany; 2: Technical University of Darmstadt, Department of Civil and Environmental Engineering, Remote Sensing and Image Analysis, Germany; 3: Technical University of Darmstadt, Department of Computer Science, Interactive Graphics Systems Group, Germany; 4: Technical University of Darmstadt, Department of Computer Science, Mathematical and Applied Visual Computing, Germany; 5: Fraunhofer IGD, Germany

Lab experiment for simultaneous reconstruction of water surface and bottom with a synchronized camera rig

L.-A. Gueguen, G. Mandlburger

TU Wien, Österreich

A comparative analysis of panchromatic and Bayer pattern sensors for aerial survey applications

M. Muick, C. Neuner, M. Gruber

Vexcel Imaging GmbH, Österreich

Multitemporale Analyse historischer Luftbilder mittels KI-gestützter Merkmalszuordnung

F. Maiwald¹, D. Feurer², A. Eltner¹

1: Institut für Photogrammetrie und Fernerkundung, TU Dresden, Deutschland; 2: UMR LISAH, Univ. Montpellier, AgroParisTech, INRAE, IRD, Institut Agro Montpellier, Frankreich

Trajektorienschätzung durch Integration von LiDAR, IMU und optional GNSS: Von der Streifenausgleichung zu SLAM

F. Pöppl¹, A. Ullrich², G. Mandlburger¹, N. Pfeifer¹

1: TU Wien; 2: RIEGL Laser Measurement Systems

Machbarkeitsstudie zur automatisierten Zustandsanalyse verbauter historischer Holzbalken

J. Pan¹, M. Chizhova¹, T. Luhmann², T. Eißing¹

1: Otto-Friedrich-Universität Bamberg, Deutschland; 2: Jade Hochschule Oldenburg, IAPG

Evaluierung von Input-Sampling-Verfahren für die semantische Segmentierung von 3D-Punktwolken auf Basis von Deep Learning

J. F. Ciprián-Sánchez, J. Döllner

Universität Potsdam, Digital Engineering Fakultät, Hasso-Plattner-Institut, Deutschland

Photogrammetrische Oberflächeninspektion im Automobilbau mittels breitengradkodierter Deflektometrie und Deep Learning

M. Hödel¹, L. Hoegner²

1: Technische Universität München, Deutschland; 2: Hochschule München für Angewandte Wissenschaften