Selecteer "Alle cookies accepteren" als u akkoord gaat met het opslaan van essentiële cookies, analytische cookies, marketingcookies en social media cookies. Door op "Cookie-voorkeuren aanpassen" te klikken kan u uw voorkeuren beheren. Cookiebeleid

Essentiële cookies
zijn noodzakelijk voor een normaal bezoek aan de website om puur technische redenen. Aangezien dit een technische noodzaak is, hoeven we u alleen op de hoogte te stellen van deze cookies, en worden ze geïnstalleerd bij het bezoeken van de website.
Analytische cookies
houden bij hoe onze website wordt gebruikt, bijvoorbeeld om het verkeer op de website te meten of hoe vaak een pagina wordt geraadpleegd. We gebruiken deze informatie om de gebruikerservaring en prestaties van onze website en diensten te analyseren. Voor het plaatsen van deze cookies zullen wij uw toestemming vragen.
Marketingcookies
verzamelen informatie om relevante gesponsorde inhoud over onze producten en producten die door derden worden aangeboden te leveren. Ze volgen gebruikers op onze website om op basis van hun voorkeuren advertenties te tonen die relevant en interessant zijn voor onze bezoekers. Deze cookies worden alleen geplaatst met uw toestemming.
Social media cookies
worden gebruikt wanneer u informatie deelt via een deel knop voor social media op onze website, of wanneer u social media content raadpleegt via onze website, bijvoorbeeld bij het bekijken van een Vimeo-filmpje. Voor het plaatsen van deze cookies is uw toestemming vereist.
Cookie-voorkeuren aanpassen

MUTUALISM: Mapping Urban Trees Using AI, LiDAR, & Innovative Sensor Methods

Recente evoluties op vlak van mobile mapping en AI bieden nieuwe opportuniteiten voor het steeds sterker datagedreven groenbeheer. Het duurzaam behoud en beheer van groenstructuren (bv. laanbomen, parkgebieden) vertrekt vanuit een nauwkeurige en up-to-date inventarisatie. Het up-to-date houden van deze inventarisaties via terreinbezoeken is echter een tijdrovend proces, dat bovendien beïnvloed wordt door een zekere mate van subjectiviteit. Mobile mapping kan dit proces niet enkel versnellen en objectiveren, maar zorgt er ook voor dat deze informatie digitaal beschikbaar komt, en geïntegreerd kan worden in bestaande GIS-omgevingen. Door de grote diversiteit aan beschikbare sensoren en hun specifieke kenmerken – gaande van goedkope 360°-camera’s tot duurdere high-end LiDAR-sensoren – is er echter een bijkomende vertaalslag vereist vooraleer deze technieken ingezet kunnen worden binnen de digitale transformatie van de groensector.

De doelstelling van dit project is dan ook om de effectiviteit van verschillende (geo)dataverzamelingstechnieken met het oog op het inventariseren van bomen en hun kenmerken (incl. ecosysteemdiensten) te evalueren. Hiervoor zullen puntenwolken en beelden verzameld worden door minstens 3 verschillende sensoren, en vervolgens verwerkt door middel van geavanceerde (geo)grafische technieken (o.a. watershed analysis) en AI-algoritmes (segmentatie, classificatie, SLAM, …). Dit zal leiden tot een aantal prototypes voor dataverwerking, en richtlijnen en seminaries waarin de bruikbaarheid van de verschillende sensoren geëvalueerd zal worden.

Tijdens de uitvoering van dit project zullen studenten van twee verschillende opleidingen (Groenmanagement en Toegepaste informatica) betrokken worden. Door de integratie van twee verschillende departementen (Green & Tech resp. Digital) zullen studenten naast de inhoudelijke vaardigheden op vlak van dataverzameling en -verwerking, bovendien de kans krijgen om multi- en interdisciplinair te werken binnen een authentieke context.

Project informatie

Projectpromotor:
Sam Ottoy, Sam Van Rijn
Status:
Lopend project
IWETO code:
  • Code nog in te vullen.
Startdatum – einddatum:
2023-2025
Budget:
1
Projectcode:
1/DWO/2023/GD/FO066
VTE:
1,2
Medewerkers:

Sam Van Rijn

Sam Ottoy