In Museen besteht häufig der Wunsch, den Bestand an Exponaten zu digitalisieren, um sie beispielsweise in virtuellen Ausstellungen online zu präsentieren, aber auch um den Bestand digital zu archivieren. Für die dreidimensionale Erfassung bietet sich neben Laserscannern vor allem die Photogrammetrie an. Um große Sammlungen effizient digitalisieren zu können, sollte dieser Prozess automatisiert werden.

Dies wurde im Rahmen der Masterthesis mit Hilfe von Structure-from-Motion-Verfahren praktisch untersucht. Dazu wurde ein kostengünstiges Messsystem aus 24 Raspberry-Pi-Kameras entwickelt, das automatisch simultan aufnimmt, die Daten vorverarbeitet und an eine entsprechende Auswertesoftware weiterleitet. Zur Überprüfung der Genauigkeit wurden die Daten mit Referenzdaten eines Streifenprojektionssystems verglichen und dabei Genauigkeiten von 0,1–0,5 mm erreicht.

Foundation Models versprechen hohe Genauigkeit und starke Generalisierung in der Bildverarbeitung, zeigen jedoch Einschränkungen hinsichtlich Überkonfidenz und Robustheit gegenüber Domänenverschiebungen. Diese Arbeit präsentiert ein hybrides Modell, das den ViT-Encoder des Segment Anything Models 2 (SAM2) mit dem Decoder des Dense Prediction Transformers (DPT) kombiniert, um die Leistungsfähigkeit moderner Foundation Models über verschiedene Domänen hinweg zu untersuchen. Der Fokus liegt auf der Quantifizierung von Unsicherheiten in Modellvorhersagen, die für sicherheitskritische Anwendungen wie autonomes Fahren oder medizinische Bildverarbeitung entscheidend sind. Hierzu werden verschiedene Verfahren der Unsicherheitsabschätzung systematisch hinsichtlich ihrer Robustheit auf In- und Out-of-Domain-Daten analysiert.

Diese Arbeit vergleicht die 3D-Rekonstruktion mittels Neural Radiance Fields (NeRF) und Dense Image Matching (DIM) anhand Drohnenaufnahmen von einer Kapelle und einer Baumgruppe. Untersucht wurden die Rekonstruktionsqualität, Präzision und Eignung für geodätische Anwendungen unter Berücksichtigung verschiedener Flugmuster (nadir vs. oblique). Während DIM allgemein präzisere Rekonstruktionen liefert, zeigen NeRFs Vorteile in texturarmen Bereichen. Die Analyse erfolgt durch Punktwolkenvergleiche mit einem terrestrischen Laserscanner. Ergebnisse zeigen, dass NeRFs insbesondere für volumetrische Objekte wie Baumkronen Vorteile bietet, jedoch in der Detailgenauigkeit DIM unterlegen ist.

We present a nonlinear optimization approach for visualizing spatial dynamic networks. We focus on trade networks on a country level, where for each time epoch, each country is visualized as a disc and discs are connected if the corresponding countries trade. Our method optimizes the layout of the discs while balancing multiple criteria: economic proximity, spatial relationships, temporal consistency, and non-overlapping node placement. We formalize the problem into a non-convex quadratic mathematical formulation and solve it with Sequential Least Squares Programming (SLSQP). We apply our approach to global trade data with up to 190 nodes across multiple time epochs and show its advantages with respect to baseline approaches.

Semantic segmentation of textured 3D meshes i.e., the assignment of a class label to each triangle and is crucial in various applications. However, existing deep learning models struggle with non-manifold meshes, as most methods assume manifold structures. To overcome this problem, we propose a transformer-based framework designed for 3D meshes without structural constraints, thus allowing non-manifold mesh segmentation. Our key innovation, which we call Local-Global (L-G) transformer blocks, mitigates the quadratic complexity of transformer models by first aggregating features within spatial clusters and then capturing long-range dependencies via global attention. A geometrical variant of our model achieves a 58.9% mean F1 score on the Hessigheim 3D benchmark, demonstrating its effectiveness.

Irrigation accounts for around 70% of global freshwater use, making reliable long-term irrigation water use estimates essential. As in situ data is scarce, satellite soil moisture (SM) is a promising alternative. This study applies the SM Delta method to derive irrigation water use from the difference between satellite-derived and modelled SM and evaluates five SM products in the Ebro and Murray-Darling basins, by comparing the simulated irrigation with in situ measurements. ESA CCI COMBINED performed best in the Ebro Basin (R = 0.75, RMSD = 22.84 mm/month). Results vary in the Murray-Darling Basin, but ESA CCI COMBINED is the most consistent overall. However, all products underestimate irrigation water use in the Ebro Basin, suggesting that integrating evapotranspiration could improve accuracy.

Computer-Aided Design (CAD) is ubiquitous in today’s world, as almost every manufactured object begins as a digital model across industries. At the same time, advances in 3D sensing have made point clouds a dominant form of raw 3D data. Thus, converting unordered point clouds into structured CAD models is increasingly important for modern applications. Deep learning has enabled major progress in computer vision for both 2D and 3D data, and new datasets facilitate data-driven CAD reconstruction. Building on this foundation, we develop an end-to-end model that reconstructs CAD models from point clouds and introduce a segmentation approach that decomposes them into individual extrusions. These partial shapes increase data diversity, improving the generalization and robustness of deep learning models.

Diese Arbeit befasst sich mit der Erfassung des Trieblängen-wachstums heimischer Laubbäume unter realen Bedingungen mittels Photogrammetrie und Light Detection and Ranging (LiDAR). Die Messmethode sowie die resultierenden Trieblängen dienen als Grundlage für die phänologische Forschung. Dabei werden in zwei Untersuchungsgebieten mittels verschiedener Unmanned Aerial Vehicles (UAVs) und einem CraneCam-System Daten erfasst. Mit optimierten Aufnahmekonfigurationen und SfM-MVS Auswerteprozessen konnte eine Vollständigkeit von bis zu 98% erreicht werden. Um die effektiven Trieblänge zu erhalten, werden die generierten Punktwolken anschliessend skelettiert. Die geschafften Grundlagedaten und Erkenntnisse bieten grosses Potential für die Weiterentwicklung dieser Methode und Etablierung eines Messsystems mittels CraneCam im Waldlabor der Universität Basel.

Earth observation satellites generate multispectral time series at a scale that strains storage and downlink capacity. Yet many acquisitions change only slowly, so a large fraction of pixels is redundant. This work presents TerraCodec, a family of learned codecs for Sentinel‑2 optical imagery. TerraCodec includes efficient intra‑frame models (TEC‑FP, TEC‑ELIC) and a temporal transformer (TEC‑TT) that captures long‑range dependencies in latent space. To avoid training separate networks for each operating point Latent Repacking is introduced, which turns TEC‑TT into a single flexible‑rate model (FlexTEC). On SSL4EO‑S12, TerraCodec achieves 3–10× lower bitrate than classical codecs at matched reconstruction quality, and up to 380× storage reduction with less than one percentage point loss in downstream flood mapping and land‑cover classification. TEC‑TT also enables zero‑shot cloud removal on the AllClear benchmark, outperforming dedicated baseline methods without task‑specific training.

Das hochfrequente Monitoring geomorphologischer Veränderungen ist essenziell für das Verständnis von Erdoberflächendynamiken. Time-Lapse-Photogrammetrie hat sich als flexible Methode zur Erfassung hochfrequenter 3D-Zeitreihen etabliert. In dieser Arbeit wird eine Pipeline für die vierdimensionale Rekonstruktion von geomorphologischen Veränderungen vorgestellt, die moderne Deep-Learning-Methoden mit photogrammetrischen Prozessen kombiniert. Ziel ist es die Genauigkeit und Robustheit von Time-Lapse-Photogrammetrie zu steigern und als kostengünstige Alternative zum terrestrischen Laserscanning auszubauen. Dabei wird gezeigt, dass trotz begrenzter Aufnahmequalität sowohl die zeitliche Konsistenz der Rekonstruktion verbessert als auch die Detektion kleiner Veränderungen ermöglicht werden können.