Kurzbiografie

Mein Studium im Bereich Informatik habe ich an der Technischen Universität Darmstadt absolviert und 2017 mit dem Master of Science erfolgreich abgeschlossen. Um neben meiner universitären Ausbildung auch praktische Erfahrung sammeln zu können, habe ich 2015 ein Praktikum bei der AUDI AG im Bereich Vorentwicklung Fahrerassistenzsysteme absolviert. Bis zum Abschluss meines Studiums habe ich als Werkstudent weiter in diesem Bereich gearbeitet. Seit 2017 bin ich als wissenschaftlicher Mitarbeiter am Institut für Photogrammetrie und GeoInformation (IPI) der Leibniz Universität Hannover beschäftigt. Dort habe ich im Jahr 2021 mit Auszeichnung zum Thema Unsicherheitsschätzung im Kontext der dichten Bildzuordnung mittels Bayes'schem Deep Learning promoviert. Seitdem arbeite ich als PostDoc im DFG Graduiertenkolleg i.c.sens und bin seit 2022 auch Leiter der Bildsequenzanalyse-Gruppe am IPI.

Neben meiner Forschung interessiere ich mich insbesondere für Politik. So bin ich seit vielen Jahren Mitglied einer demokratischen Partei und engagiere mich auf kommunaler Ebene. Zudem bin ich begeisterter Sportschütze und lizensierter Trainer.

Forschung


Forschungsschwerpunkte

  • 3D Rekonstruktion
  • Maschinelles Lernen / Deep Learning
  • Semantisches Szenenverständnis
  • Unsicherheitsbestimmung
  • Tracking dynamischer Objekte

Projekte

Integrität und Kollaboration in dynamischen Sensornetzen (i.c.sens)
Das Graduiertenkolleg 2159 "Integrität und Kollaboration in dynamischen Sensornetzen" (i.c.sens) ist ein von der Deutschen Forschungsgemeinschaft (DFG) gefördertes gemeinsames Forschungs- und Promotionsprogramm an der Leibniz Universität Hannover. Im Rahmen dieses Graduiertenkollegs beschäftigen sich neun Promovierende und ein PostDoc mit den Aspekten der Vertrauenswürdigkeit automatisierter und autonomer Systeme (Integrität) und der Kollaboration mehrerer solcher Systeme sowie deren einzelner Sensoren. [Webseite]

MOBILISE – Mobilität in Technik und Wissenschaft: Mobiler Mensch
Im Rahmen der Forschungslinie "MOBILISE – Mobilität in Technik und Wissenschaft" kooperieren die beiden niedersächsischen Universitäten, die Leibniz Universität Hannover und die TU Braunschweig, im Bereich der Digitalisierung. Teil dieser Forschungslinie ist das Projekt "Mobiler Mensch: Intelligente Mobilität in der Balance von Autonomie, Vernetzung und Security", welches unter der Leitung von Prof. Kurt Schneider eine Gruppe von Nachwuchsforschern zusammenbringt, welche sich mit zukunftsträchtigen, bisher nicht etablierten Thema von gesellschaftlicher Relevanz beschäftigen. Insgesamt sind 13 Professuren aus fünf Fakultäten der LUH mit ihren spezifischen und sich ergänzenden Schwerpunkten an dem Projekt beteiligt. [Webseite]

Publikationen


2024:
Meyer, M., Langer, A., Mehltretter, M., Beyer, D., Coenen, M., Schack, T., Haist, M., Heipke, C. (2024): Image-based Deep Learning for the Time-dependent Prediction of Fresh Concrete Properties. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences.
Nguyen, T., Mehltretter, M., Rottensteiner, F. (2024): Depth-aware Panoptic Segmentation. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences.
Hillemann, M., Heiken, M., Mehltretter, M., Langendörfer, R., Schenk, A., Weinmann, M., Hinz, S., Heipke, C., Ulrich, M. (2024): Potential of Novel View Synthesis with Neural Radiance Fields for Industrial Robot Applications. ISPRS Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences.
2023:
Ali, R., Mehltretter, M., Heipke, C. (2023): Integrating Motion Priors for End-To-End Attention-based Multi-Object Tracking. ISPRS Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-1/W2-2023, S. 1619-1626. [Mehr]
El Amrani Abouelassad, S., Mehltretter, M., Rottensteiner, F. (2023): Vehicle Pose and Shape Estimation in UAV Imagery Using a CNN. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, X-1/W1-2023, S. 935-944. [Mehr]
Iqbal, W., Paffenholz, J., Mehltretter, M. (2023): Guiding Deep Learning with Expert Knowledge for Dense Stereo Matching. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 91, S. 365-380. [Mehr]
2022:
Mehltretter, M. (2022): Joint Estimation of Depth and its Uncertainty from Stereo Images Using Bayesian Deep Learning. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2-2022, S. 69-78. [Mehr]
Trusheim, P., Mehltretter, M., Rottensteiner, F., Heipke, C. (2022): Cooperative Visual Localisation Considering Dynamic Objects. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, V-1-2022, S. 169-177. [Mehr]
Ali, R., Dorozynski, M., Stracke, J., Mehltretter, M. (2022): Deep Learning-based Tracking of Multiple Objects in the Context of Farm Animal Ethology. ISPRS Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII-B2-2022, S. 509-516. [Mehr]
2021:
Mehltretter, M., Heipke, C. (2021): Aleatoric Uncertainty Estimation for Dense Stereo Matching via CNN-based Cost Volume Analysis. ISPRS Journal of Photogrammetry and Remote Sensing, 171, S. 63-75. [Mehr]
Zhong, Z., Mehltretter, M. (2021): Mixed Probability Models for Aleatoric Uncertainty Estimation in the Context of Dense Stereo Matching. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2-2021, S. 17-26. [Mehr]
Heinrich, K., Mehltretter, M. (2021): Learning Multi-Modal Features for Dense Matching-Based Confidence Estimation. ISPRS Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII-B2-2021, S. 91-99. [Mehr]
Mehltretter, M. (2021): Uncertainty Estimation for Dense Stereo Matching Using Bayesian Deep Learning. Dissertation. [Mehr]
2020:
Mehltretter, M. (2020): Uncertainty Estimation for End-To-End Learned Dense Stereo Matching via Probabilistic Deep Learning. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2-2020, S. 161-169. [Mehr]
Höllmann, M., Mehltretter, M., Heipke, C. (2020): Geometry-Based Regularisation for Dense Image Matching via Uncertainty-Driven Depth Propagation. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2-2020, S. 151-159. [Mehr]
2019:
Mehltretter, M., Heipke, C. (2019): CNN-based Cost Volume Analysis as Confidence Measure for Dense Matching. Proceedings of the IEEE International Conference on Computer Vision Workshops, S. 2070-2079. [Mehr]
2018:
Mehltretter, M., Heipke, C. (2018): Illumination Invariant Dense Image Matching based on Sparse Features. 38. Wissenschaftlich-Technische Jahrestagung der DGPF und PFGK18 Tagung, S. 584-596. [Mehr]
Behmann, N., Mehltretter, M., Kleinschmidt, S., Wagner, B., Heipke, C., Blume, H. (2018): GPU-enhanced Multimodal Dense Matching. IEEE Nordic Circuits and Systems Conference: NORCHIP and International Symposium of System-on-Chip. [Mehr]
Mehltretter, M., Kleinschmidt, S., Wagner, B., Heipke, C. (2018): Multimodal Dense Stereo Matching. Proceedings of the German Conference on Pattern Recognition, S. 407-421. [Mehr]

Kontakt


Fragen und Anmerkungen sind immer willkommen!
Hierfür bin ich über folgende Kanäle erreichbar: