zurück

Vergleich von Open-Source- und proprietärer Photogrammetrie-Software zur Verarbeitung von Drohnenaufnahmen mit dem Schwerpunkt auf Multispektraldaten

Beschreibung

Hintergrund und Motivation: Der Einsatz von Drohnen in Kombination mit Multispektralkameras gewinnt in Bereichen wie der Präzisionslandwirtschaft, Forstwirtschaft und Umweltüberwachung zunehmend an Bedeutung. Die aus solchen Befliegungen gewonnenen Bilddaten erfordern eine effiziente und präzise Verarbeitung, um relevante Informationen zu extrahieren. Sowohl Open-Source- als auch proprietäre Photogrammetrie-Softwarelösungen bieten hierfür verschiedene Ansätze, unterscheiden sich jedoch in Funktionalität, Benutzerfreundlichkeit und Genauigkeit. Ein fundierter Vergleich dieser Softwaretypen ist entscheidend, um die am besten geeignete Lösung für spezifische Anwendungen zu identifizieren. ​

Ziele des Projekts:

• Evaluation ausgewählter Photogrammetrie-Software: Untersuchung und Vergleich von Open-Source-Lösungen wie OpenDroneMap sowie proprietärer Software wie Agisoft Metashape hinsichtlich ihrer Leistungsfähigkeit bei der Verarbeitung von multispektralen Bilddaten.
• Analyse der Verarbeitungsgenauigkeit: Bewertung der Präzision der generierten 3D-Modelle und Kartenprodukte beider Softwaretypen. ​
• Benutzerfreundlichkeit und Effizienz: Untersuchung der Bedienbarkeit, Verarbeitungszeit und des Ressourcenbedarfs der jeweiligen Softwarelösungen. ​
• Kosten-Nutzen-Analyse: Gegenüberstellung der Lizenzkosten und des Funktionsumfangs von Open-Source- und proprietärer Software. ​
• Flexibilität und Anpassungsfähigkeit: Bewertung der Möglichkeiten zur individuellen Anpassung und Erweiterung der Software, insbesondere bei Open-Source-Lösungen. ​

Methodik:

1. Datenerhebung: Durchführung von Drohnenbefliegungen über definierten Testgebieten mit Multispektralkameras, um einheitliche Bilddatensätze zu generieren. ​
2. Datenverarbeitung: Verarbeitung der erhobenen Bilddaten mit den ausgewählten Photogrammetrie-Softwarelösungen unter Verwendung standardisierter Parameter. ​
3. Ergebnisanalyse: Vergleich der erzeugten 3D-Modelle und Karten hinsichtlich Genauigkeit, Qualität und Informationsgehalt. ​
4. Bewertung der Softwareeigenschaften: Analyse der Benutzeroberfläche, Verarbeitungsdauer, Systemanforderungen und weiterer relevanter Aspekte jeder Software. ​
5. Kostenanalyse: Ermittlung und Vergleich der Anschaffungs- und Betriebskosten der jeweiligen Softwarelösungen. ​
6. Flexibilitätsbewertung: Untersuchung der Anpassungsfähigkeit der Software, insbesondere bei Open-Source-Lösungen, durch mögliche Modifikationen des Quellcodes. 

Erwartete Ergebnisse: Das Projekt zielt darauf ab, eine umfassende Bewertung der untersuchten Open-Source- und proprietären Photogrammmetrie-Softwarelösungen bereitzustellen. Die Ergebnisse sollen Anwendern als Entscheidungshilfe dienen, um die für ihre spezifischen Anforderungen an der besten geeigneten Software auszuwählen.

 

Beschreibung des interdisziplinären Teils des Projekts

Beschreibung des interdisziplinären Teils des Projekts Der geplante Vergleich von Open-Source- und proprietärer Photogrammetrie-Software zur Verarbeitung von multispektralen Drohnenaufnahmen setzt die Zusammenarbeit verschiedener Disziplinen voraus, insbesondere der Informatik, Geowissenschaften und Agrarwissenschaften. Durch die Verbindung unterschiedlicher wissenschaftlicher Perspektiven und Methoden soll eine umfassende Analyse der Softwarelösungen ermöglicht werden. Gemäß der bereitgestellten Definition entspricht dieser Ansatz der Interdisziplinarität, da er auf kooperativem wissenschaftlichem Handeln basiert, um gemeinsam erarbeitete Problemstellungen und Methoden zu adressieren und das angemessenste Problemlösungspotential für die festgelegten Ziele bereitzustellen.

Projektzeitraum

Sommersemester 2025

Bewerbungszeitraum

01. bis 13.04.2025

Durchführung

nach Absprache

Details zu Projektzeitraum und Durchführung

Das Projekt ist für das Sommersemester 2025 angesetzt. Der genaue Zeitraum und die Durchführung können flexibel gestaltet werden. Die Durchführung kann entweder blockweise in einem kompakten Zeitraum oder semesterbegleitend erfolgen, je nach den individuellen Bedürfnissen und der Verfügbarkeit des Betreuers.

Im Fall einer blockweisen Durchführung wird das Projekt in einem intensiven Zeitraum bearbeitet, in dem alle wesentlichen Schritte – von der Datenerhebung über die Softwareauswertung bis hin zur Analyse – konzentriert durchgeführt werden. Diese Form bietet eine fokussierte Bearbeitung und ermöglicht eine zügige Fertigstellung der Projektziele.

Eine semesterbegleitende Durchführung erlaubt eine schrittweise Bearbeitung des Projekts über das gesamte Semester hinweg. Dies fördert eine kontinuierliche Reflexion und die Möglichkeit, regelmäßig Feedback vom Betreuer zu erhalten und das Projekt entsprechend anzupassen. In beiden Fällen erfolgt die Durchführung in enger Absprache mit dem Betreuer, um sicherzustellen, dass das Projektziel effektiv erreicht wird und alle Anforderungen erfüllt sind.

Studienfach

Agrarbiologie
Agrarwissenschaften
Agribusiness

Betreuende

Christian Trautmann

Institut

Institut für Phytomedizin (360) (Phytopathologie (360a))

Sprache

deutsch

Teilnehmendenanzahl

min. 2, max. 4

Arbeitsaufwand

ca. 180 Stunden pro Teilnehmende:r | 6 ECTS-Punkte

Arbeitsaufwand (Stunden und ggf. ECTS) sind ungefähre Angaben. Die tatsächlich vergebenen ECTS-Punkte ergeben sich aus der tatsächlich geleisteten Arbeit.

 

Für dieses Projekt ist kein Motivationsschreiben des Studierenden erforderlich

Projektart

experimentell

Lernziele

Die Teilnehmende lernen in diesem Projekt:

1. Vertiefung der Photogrammetrie-Kenntnisse:
   • Die Studierenden lernen die theoretischen Grundlagen und praktischen Anwendungen der Photogrammetrie, insbesondere im Kontext von Drohnenaufnahmen und Multispektraldaten.
   • Sie erlangen praktische Fähigkeiten in der Bildverarbeitung und 3D-Rekonstruktion von Drohnenaufnahmen.
2. Vergleich und Analyse von Softwarelösungen:
   • Die Studierenden erwerben Fähigkeiten im Vergleich von Open-Source- und proprietären Softwarelösungen zur Bildverarbeitung und Analyse von Drohnendaten.
   • Sie lernen, Software hinsichtlich ihrer Leistung, Benutzerfreundlichkeit, Verarbeitungsgenauigkeit und Kosten-Effizienz zu bewerten.
3. Praktische Anwendung von Geoinformationssystemen (GIS):
   • Die Teilnehmer entwickeln ein Verständnis für die Anwendung von GIS-Tools und Software zur Verarbeitung und Visualisierung von georeferenzierten Daten.
   • Sie lernen, geospatial Daten zu analysieren und in verschiedenen Formaten darzustellen.
4. Datenanalyse und Interpretation:
   • Die Studierenden üben die Analyse von landwirtschaftlichen Daten, die durch Drohnenbefliegungen gewonnen wurden, und lernen, diese Daten im Kontext der Präzisionslandwirtschaft zu interpretieren.
   • Sie erwerben Kenntnisse in der Analyse von Vegetationsindices und der Bewertung der landwirtschaftlichen Nutzung von Multispektraldaten.
5. Projektmanagement und wissenschaftliche Zusammenarbeit:
   • Die Teilnehmer verbessern ihre Fähigkeiten im Bereich des Projektmanagements, einschließlich der Zeitplanung, der Kommunikation mit einem Betreuer und der effektiven Zusammenarbeit an einem komplexen, interdisziplinären Thema.
   • Sie entwickeln die Fähigkeit, eigenständig und in Absprache mit dem Betreuer wissenschaftliche Aufgaben zu bearbeiten und zu dokumentieren.
6. Erweiterung der analytischen Fähigkeiten:
   • Die Studierenden lernen, komplexe Problemstellungen in der Bild- und Datenverarbeitung zu erkennen und methodisch zu lösen.
   • Sie erlangen Erfahrung in der kritischen Bewertung von Software und Ergebnissen aus der Bildverarbeitung und -analyse.
7. Förderung von Interdisziplinarität:
   • Die Teilnehmer lernen, mit verschiedenen wissenschaftlichen Disziplinen (Informatik, Geowissenschaften, Agrarwissenschaften) zusammenzuarbeiten, um eine praxisnahe Lösung für ein landwirtschaftliches Problem zu erarbeiten.

Diese Lernziele zielen darauf ab, den Studierenden sowohl technische als auch analytische Fähigkeiten zu vermitteln, die in der modernen Landwirtschaft und bei der Nutzung von Drohnentechnologien von großer Bedeutung sind.

Anmerkungen für Studierende

Voraussetzungen:

• Grundkenntnisse in Geoinformationssystemen (GIS) und Bildverarbeitung sind von Vorteil, jedoch nicht zwingend erforderlich. Interesse an der Arbeit mit Drohnendaten und multispektralen Bildern sollte vorhanden sein.
• Grundkenntnisse in Programmiersprachen wie Python oder R können hilfreich sein, um die Softwareanalysen und Datenverarbeitungen durchzuführen.
• Interesse an landwirtschaftlichen Anwendungen und Fernerkundung ist erwünscht, da das Projekt in einem landwirtschaftlichen Kontext stattfindet.
• Arbeitsweise:
  • Das Projekt erfordert eine selbstständige Arbeitsweise, jedoch werden regelmäßige Feedbackgespräche mit dem Betreuer stattfinden, um den Fortschritt zu überwachen und bei Bedarf Unterstützung zu bieten.
  • Die Studierenden sollten bereit sein, eigenverantwortlich zu arbeiten und ihre Ergebnisse klar und präzise zu dokumentieren.
• Teamarbeit:
  • Obwohl das Projekt individuell durchgeführt wird, ist ein Austausch unter den Studierenden erwünscht, um von unterschiedlichen Perspektiven und Erfahrungen zu profitieren.
• Zeiteinteilung:
  • Die Projektarbeit kann entweder blockweise oder semesterbegleitend erfolgen. Studierende sollten in der Lage sein, sich im vorgesehenen Zeitraum ausreichend Zeit für das Projekt einzuplanen und aktiv an der Durchführung teilzunehmen.
• Software:
  • Es wird erwartet, dass Studierende mit verschiedenen Softwarelösungen arbeiten, sowohl Open-Source- als auch proprietäre Programme. Die Nutzung von Software wie QGIS, Agisoft Metashape, Pix4D oder vergleichbaren Tools wird Teil des Projekts sein.
• Erwartungen:
  • Eine detaillierte Dokumentation des Projekts ist erforderlich, einschließlich der Methodik, der Ergebnisse sowie einer kritischen Bewertung der Softwarelösungen. Studierende sollten zudem in der Lage sein, ihre Ergebnisse sowohl schriftlich als auch mündlich zu präsentieren.

Schlagworte

Fernerkundung in der Landwirtschaft, Photogrammetrie, Drohnen