Universität Bonn

Institut für Geodäsie und Geoinformation

Scale Factors of the Thermospheric Density: A Comparison of Satellite Laser Ranging and Accelerometer Solutions.
A major problem in the precise orbit determination (POD) of satellites at altitudes below 1,000 km is the modelling of atmospheric drag, which depends mainly on thermospheric density and causes the largest non-gravitational acceleration. Normally, thermospheric densities at satellite positions are determined by empirical models, which have limited accuracy. But conversely, satellites orbiting the Earth within the thermosphere can be used to derive thermospheric density information because of their sensitivity to perturbing accelerations.
Satelliten beobachten Veränderungen der Natur
Im Verbundprojekt MapInWild werden Deep Learning-Methoden zur Kartierung von Wildnisgebieten mittels Satellitenbilddaten entwickelt. Veränderungen auf der Erde können heute nahezu in Echtzeit beobachtet werden, denn viele Satelliten im Weltall sind mit Kameras und Sensoren genau dafür ausgestattet. Sei es der Rückgang von Gletschern, ein Ölteppich auf dem Meer, ein aufziehender Wirbelsturm, oder wie erst kürzlich vor der Küste Tongas, der Ausbruch eines (Unterwasser-) Vulkans – die Erde wandelt ihre Gestalt und Satelliten schauen dabei zu.
Moving Object Segmentation in 3D LiDAR Data using Machine Learning
The ability to build consistent maps of the environment and distinguish between moving and non-moving parts of the world is a key capability for mobile robots and autonomous cars alike. They need consistent maps to localize or plan a path, and they must perceive moving and consider their motion during navigation. People, cyclists, cars, and other dynamic objects moving through the environment create challenges for robot mapping and so-called SLAM systems that aim at building a 3D model of the world. Objects, which move through the environment during mapping, will create map inconsistencies and seriously affect the resulting model’s quality.
„Boden gewinnen – ist das die Antwort auf die Bodenfrage?“
Boden ist nicht vermehrbar. Die Ansprüche und Begehrlichkeiten an diese knappe Ressource wachsen stark: die steigende Nachfrage nach Wohnraum in den Städten und nach Boden als Wertanlage sind nur zwei Faktoren, die zur Verknappung und zu steigenden Bodenpreisen beitragen. Gleichzeitig ist die Verfügbarkeit von Grund und Boden in städtischen und ländlichen Räumen die Voraussetzung zur Erfüllung aller kommunalen Aufgaben, wie die Bereitstellung von neuem Wohn- und Gewerberaum, von Erholungsflächen und von (sozialer) Infrastruktur. Und nicht zuletzt essenzieller Lebensraum, CO2- und Wasserspeicher und Grundlage unserer Ernährung. Im Laufe der letzten Jahre hat sich die Bodenthematik zur „Bodenfrage“ zugespitzt und ist zu einem Schlüsselthema der integrierten Stadtentwicklung geworden.
Visual Instance Segmentation of Leaves and Plants for In-Field Plant Phenotyping
Crop production provides food, feed, and fiber for our society. To keep the yields high and to adapt to stresses as well as to the impacts of climate change, plant breeders continuously generate new genetic variations of crops. These variations are then planted, and their performance is assessed. For that, plant breeders are looking for effective systems to assess detailed phenotypic traits about plants at a large scale for an in-depth understanding of the relationship between genotype and phenotype. Recording how the individual plants develop and grow is a labor- and time-consuming process.
Konferenz zu digitalen Technologien für nachhaltigen Pflanzenbau
Wie können digitale Technologien für einen nachhaltigeren Pflanzenbau genutzt werden? Daran arbeiten Forschende aus den unterschiedlichsten Disziplinen am Exzellenzcluster PhenoRob der Universität Bonn. In der Leitkonferenz des Clusters, der DIGICROP, bündeln die Expertinnen und Experten ihr Wissen und bringen dabei namhafte Vortragende aus der ganzen Welt zusammen. Angesichts des großen Erfolgs der DIGICROP 2020 Ende des vergangenen Jahres laufen die Vorbereitungen für die nächste Ausgabe der Konferenz, die digital vom 28. bis 30. März 2022 stattfinden wird. Unterstützung erhält der Exzellenzcluster PhenoRob dabei durch das AI Institute for Next Generation Food Systems (USA). Wissenschaftlerinnen und Wissenschaftler sind aufgerufen, bis zum 5. Januar Präsentationen in Form von Videos einzureichen.
Wissenschaftlerin des Exzellenzclusters PhenoRob am häufigsten zitiert
Prof. Dr. Anne-Katrin Mahlein, kooptierte Professorin der Universität Bonn und Direktorin des Instituts für Zuckerrübenforschung (IfZ) an der Universität Göttingen, ist die am häufigsten zitierte Autorin im Bereich Sensorik und Bildgebung von Pflanzenkrankheiten. Laut einer neuen Veröffentlichung eines US-amerikanischen Forschungsteams in der Zeitschrift „Tropical Plant Pathology“ haben Mahleins Forschungsarbeiten dieses Forschungsgebiet maßgeblich vorangetrieben. Auch die Universität Bonn im Allgemeinen wird als die produktivste und kollaborativste Einrichtung in diesem Feld ermittelt.
Robust Estimation Without Needing to Handpick a Kernel Function
Autonomous cars, robots, and many other devices need to estimate the state of the world around them: “Where am I?” or “What does the world around me look like?” are central questions for a robot to be answered
Wird geladen