ALBERT

Note: Visualization of the seismic ambient noise spectrum / D.E. McNamara and R.I. Boaz Beamforming and polarisation analysis / M. Gal and A.M. Reading Physics of ambient noise generation by ocean waves / F. Ardhuin, L. Gualtieri and E. Stutzmann Theoretical foundations of noise interferometry / A. Fichtner and V.C. Tsai Overview of pre- and post-processing of ambient-noise correlations / M.H. Ritzwoller and L. Feng Locating velocity changes in elastic media with coda wave interferometry / R. Snieder, A. Duran and A. Obermann Applications with surface waves extracted from ambient seismic noise / N.M. Shapiro Body wave exploration / N. Nakata and K. Nishida Noise-based monitoring / C. Sens-Schonfelder and F. Brenguier Near-surface engineering / K. Hayashi

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2017 , Inhaltsverzeichnis Inhaltsverzeichnis 1 Einleitung 1.1 Motivation 1.2 Stand der Forschung 1.3 Zielsetzung und Aufbau der Arbeit 2 Grundlagen 2.1 Grundlagen der physikalischen Geodäsie 2.1.1 Das Schwerefeld der Erde 2.1.2 Gravitationspotential - Kugelfunktionsentwicklung und Fehler 2.1.3 Ableitungen des Gravitationspotentials 2.1.4 Satellitengradiometrie 2.1.5 Zeiten 2.2 Ausgewählte Grundlagen der Statistik und digitalen SignalVerarbeitung 2.2.1 Deskriptive Statistik 2.2.2 Aspekte der digitalen Signalverarbeitung 2.2.3 Filterung 2.2.4 Spektralschätzung 2.3 Drehmatrizen, Eulerwinkel und Quaternionen 2.4 Methodische Grundlagen der Kreuzungspunktanalyse 2.4.1 Bestimmung von Kreuzungspunkten 2.4.2 Kreuzungspunktposition und Interpolationen 3 Die GOCE-Mission 3.1 Wahl des GOCE-Orbits 3.2 Gradiometer und Gravitationsgradienten 3.2.1 Gradiometeraufbau und Beschleunigungsmesser 3.2.2 Gravitationsgradienten aus Beschleunigungsdifferenzen 3.2.3 Einschränkungen und Fehler des Gradiometers 3.3 Weiteres Instrumentarium im GOCE-Satelliten 3.4 Koordinatensysteme und Transformationen 3.4.1 GOCE-relevante Koordinatensysteme 3.4.2 Transformationen zwischen Koordinatensystemen 3.5 Datenprodukte und deren Genauigkeiten 4 Genauigkeitsanforderungen an Datenprodukte und Rechenoperationen 4.1 Analyse der GOCE-Gravitationsgradienten 4.1.1 Gradienten und Fehler in Zeit- und Frequenzbereich 4.1.2 Vergleich der Gradienten mit globalen Gravitationsfeldmodellen 4.2 Abschätzung der Genauigkeit der Gravitationsgradienten 4.3 Bestimmung der Genauigkeitsanforderungen 5 Methodik zur Gradienten-Validierung in Kreuzungspunkten 5.1 Übersicht zum Ablauf der Validierung 5.2 Kreuzungspunktbestimmung 5.2.1 Ziele und Methodik 5.2.2 Beschreibung des Algorithmus und Implementierung 5.3 Interpolation der Beobachtungsgrößen 5.3.1 Interpolation der reduziert-dynamischen Positionen 5.3.2 Interpolation der finalen Kreuzungspunktpositionen 5.3.3 Interpolation weiterer Datenprodukte im Kreuzungspunkt 5.4 Vergleichskoordinatensystem 5.5 Transformation des Tensors der GOCE-Gravitationsgradienten 5.5.1 Rotation des GOCE-GGT (Einfügen modellbasierter Vij, Filterung) 5.5.2 Translation des Tensors der GOCE-Gravitationsgradienten 5.5.3 Transformation und Diskussion 5.6 Closed-Loop-Test 6 Analyse der Kreuzungspunktdifferenzen 6.1 Einleitung 6.2 Qualität des Gesamtdatensatzes 6.2.1 Statistische Parameter 6.2.2 Korrelationen und Abhängigkeiten 6.3 Regionale Untersuchungen 6.4 Lokale Artefakte mit zeitlich begrenztem Einfluss auf die Gradienten 6.5 Zusammenfassung und Diskussion 7 Gradiometerkonzepte zukünftiger Schwerefeld-Satellitenmissionen 7.1 Missionsplanung und bisherige Studien 7.2 Gradiometriekonzepte und Technologien 7.2.1 Feste Testmassen und deren Lagebestimmung sowie Lageregelung 7.2.2 Atominterferometrie auf Basis kalter Atome 7.3 Kombinierte Beobachtungskonzepte und Bestimmung dritter Ableitungen 7.4 Zusammenfassung 8 Zusammenfassung und Ausblick Abkürzungsverzeichnis Literaturverzeichnis

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2017 , Inhaltsverzeichnis 1 Einleitung 1.1 Zielsetzung 1.2 Struktur 2 Grundlagen und Stand der Forschung 2.1 Mobile Mapping Systeme 2.1.1 Allgemeine Funktionsweise 2.1.2 Riegl VMX-250 2.1.3 Alternative Systeme 2.2 Punktwolken 2.2.1 Definition 2.2.2 Abgrenzung zu vermaschten Punkten 2.2.3 Speicherformate von Punktwolken 2.2.4 Visualisierungstechniken 2.2.5 Level Of Detail 2.3 Farbmodelle 2.3.1 Farbanpassung 2.4 Verteiltes Rechnen 2.5 Verdeckungsanalyse 2.6 Registrierung mehrerer Datensätze 2.7 Visualisierungssysteme 2.7.1 Standalone Point Cloud Viewer 2.7.2 Webbasierte Systeme 3 Effizienzbetrachtungen 3.1 Effiziente Verarbeitung von Massendaten durch Parallelisierung 3.1.1 Parallelisierungsformen 3.1.2 Umsetzung 3.1.3 Vergleich 3.2 Effiziente Datenstrukturen 3.2.1 Scanstreifen 3.2.2 Scanstreifenbasierte Pufferstrategie 3.2.3 Rasterdatenstruktur 3.2.4 Randproblematik und Caching 4 Modulare Verarbeitungskette f ̈ur Mobile Mapping Daten 4.1 Analyse der beteiligten Komponenten des Herstellerworkflows 4.2 Exemplarische modulare Verarbeitungskette 4.3 Vorverarbeitungsmodul 4.3.1 Vereinfachung 4.3.2 Zeitsegmentierung 4.3.3 Bestimmung von Punktattributen 4.4 Segmentierung und Klassifikation 4.4.1 Bodenextraktion 4.4.2 Objektsegmentierung 5 Sensordatenintegration: Kalibrierung der Kameraorientierung 5.1 Zeitstempelabweichung 5.2 Ansatz 5.3 Extraktion von Silhouetten 5.3.1 Extraktion von Silhouetten aus Kamerabildern 5.3.2 Extraktion von Silhouetten aus Laserscandaten 5.4 ICP-basierte Identifikation der Korrespondenzen 5.4.1 Beschränkung der Scanpunktbildsilhouette 5.4.2 Gruppierung der Scanpunktdaten 5.4.3 ICP unter Berücksichtigung der Punktnormalen 5.5 Bestimmung der Kameraparameter mittels Rückwärtsschnitt 5.5.1 Wahl der Stichprobe 5.5.2 Anzahl an Iterationen 5.5.3 Bewertung der gefundenen Modelle 5.6 Ergebnisse 5.7 Verbesserungspotential und Probleme 5.7.1 Laufzeiten 5.7.2 Robustheit des Verfahrens und Qualität der Ergebnisse 6 Farbbestimmung 6.1 Farbextraktion 6.2 Verdeckungsanalyse 6.2.1 Geometrische Verdeckungsanalyse 6.2.2 Ballbasierter Tiefenpuffer 6.2.3 Ergebnisse 6.2.4 Nicht erfasste und dynamische Objekte 6.3 Farbanpassung 6.3.1 Einfärbesituationen benachbarter Scanpunkte 6.3.2 Objektweise Farbanpassung 6.3.3 IDP-Interpolierte radiometrische Helligkeitsanpassung von Bodenpunkten 6.3.4 Radiometrische Helligkeits- und Sättigungsanpassung von Objektpunkten 6.4 Farbsynthese 6.4.1 Histogrammbasierte Farbinterpolation 6.4.2 Ergebnis 7 Aus Punktwolken abgeleitete Modelle 7.1 3D Modelle 7.1.1 Identifikation planarer Bereiche 7.1.2 Nachbearbeitung der erstellten Texturen 7.1.3 Effiziente Verwaltung von Texturen 7.1.4 Erhöhung der Speichereffizienz 7.1.5 Level of Detail 7.2 2D Modelle 7.2.1 Trackjektorienabschnitte 7.2.2 Ermittlung relevanter Ebenen 7.2.3 Ergebnis 8 Visualisierung von Mobile Mapping Daten 8.1 3D Visualisierung 8.1.1 Visualisierung via Web-App 8.1.2 Performante Client-Server Kommunikation und Serialisierung 8.1.3 Scheduling der LOD-Daten 8.1.4 GUI Responsiveness 8.1.5 Navigation und Nutzerinteraktion 8.2 2D Visualisierung 8.2.1 Parallax Scrolling Visualisierung via Android-App 8.2.2 Beleuchtungsmodell 8.2.3 Ergebnis und Ausblick 9 Schlussfolgerungen und Ausblick 9.1 Ausblick Literaturverzeichnis

Note: Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2017 , Contents 1 Introduction 1.1 Motivation, research questions and overview 1.1.1 Rainfall estimation at high spatial and temporal resolution 1.1.2 Precipitation estimation with cars 1.1.3 Motion estimation from in-situ sensor data 1.2 Outline 2 Basics 2.1 Precipitation 2.1.1 Resolution, accuracy and precision of precipitation measurements 2.1.2 In-situ point measurements of precipitation by rain gauges 2.1.3 Weather radar 2.2 Wireless Sensor Networks 2.2.1 Modeling sensor networks 2.2.2 Sensor network algorithms and protocols 2.3 Statistics 2.3.1 Basics and notation 2.3.2 Regression 2.3.3 Stochastic processes 2.3.4 Stochastic filtering and the Kalman filter 2.3.5 Geostatistics 2.4 Interpolation methods 2.4.1 Inverse-Distance-Weighted 2.4.2 Ordinary kriging 2.4.3 Regression kriging 2.4.4 Cross-validation for performance assessment 2.5 Optical flow 2.5.1 Optical flow intensity conservation 2.5.2 Gradient-based optical flow 2.5.3 Probabilistic optical flow 3 Related Work 3.1 Quantitative precipitation estimation from rain gauges, weather radar and other data sources 3.1.1 Precipitation estimation with weather radar 3.1.2 Precipitation estimation by interpolation of rain gauges measurements 3.1.3 Geostatistical merging of radar and rain gauge data 3.1.4 Motion-based methods used in nowcasting 3.1.5 New data sources for precipitation estimation 3.2 Decentralized estimation with geosensor networks 3.2.1 Estimation of spatio-temporal field properties with GSN 3.2.2 Object-tracking with GSN 4 Methodology for precipitation intensity estimation at 1-min resolution 4.1 Time-window approach for estimation 4.1.1 Estimation of field motion 4.1.2 Weather radar upsampling 4.1.3 Variogram estimation 4.2 Estimation methods 4.2.1 Spatial rain gauge interpolation methods 4.2.2 Space-time symmetric rain gauge interpolation method 4.2.3 Space-time asymmetric rain gauge interpolation methods 4.2.4 Radar-rain gauge merging methods 4.2.5 Estimation methods solely based on radar 4.3 Summary 5 Methodology for precipitation intensity estimation with car sensors 5.1 Car sensors 5.1.1 Wiper Frequency Sensor 5.1.2 Xanonex optical sensor 5.1.3 Other sensors investigated 5.1.4 Experimental setup and preprocessing 5.2 Theoretical considerations for the calibration of the W-R relationship in the field . 5.3 Dependency between car speed, windscreen angle and sensor readings 5.3.1 Manually-operated windscreen wipers 5.3.2 Automatically-operated windscreen wipers 5.3.3 Xanonex optical sensor 5.4 Summary 6 Methodology for motion estimation with a geosensor network 6.1 Algorithm overview 6.2 Network and field model 6.3 Gradient constraint estimation in the network 6.3.1 Gradient constraint estimation from irregular data 6.3.2 Requirements on node stationarity and sampling synchronicity 6.3.3 Estimation of partial derivative error 6.3.4 Gradient constraint selection and derivation of gradient constraint error 6.4 Temporal coherence: Kalman filter for recursive motion estimation 6.4.1 Estimation of process noise Q 6.4.2 Estimation of measurement noise R 6.4.3 Difference to common Kalman filtering problems 6.5 Algorithm protocol 6.6 Algorithm complexity 6.6.1 Communication complexity 6.6.2 Load balance 6.6.3 Computational complexity of partial derivative estimation 6.6.4 Computational complexity of motion estimation 6.7 Summary 7 Results 7.1 Precipitation intensity estimation at 1-min resolution 7.1.1 Study area and data basis 7.1.2 Performance assessment via cross-validation 7.1.3 Exploratory and visual data analysis 7.1.4 Radar estimation and rain gauge cross-validation results 7.1.5 Summary 7.2 Precipitation intensity estimation with cars 7.2.1 Study area and data basis 7.2.2 Selection of the reference method 7.2.3 Manually-operated windscreen wipers 7.2.4 Automatically-operated windscreen wipers 7.2.5 Xanonex optical rain sensor 7.2.6 Results of experiments on the VW rain track 7.2.7 Summary 7.3 Motion estimation with a geosensor network 7.3.1 Study Area, sensor network and deployment strategies 7.3.2 Error measures 7.3.3 Setting the filter parameters 7.3.4 Results - simulated field 7.3.5 Results - radar field 7.3.6 Summary 8 Summary and discussion of the research hypotheses 8.1 Discussion of research hypotheses 1 and 2: 1-min precipitation intensity estimation 8.2 Discussion of research hypothesis 3: precipitation estimation with cars 8.3 Discussion of research hypothesis 4: decentralized motion estimation 8.4 Outlook 9 Appendix 9.1 Discussion on the 'frozen field' distance function 9.2 Executable Kalman filter equations for the motion estimation algorithm 9.3 Controllability and Observability of the Kalman filter for motion estimation List of Figures List of Tables References