caor@mines-paristech.fr
30
Oct

Stage Ingénieur ou Master 2 — Conception par Machine-Learning d’une IA vérifiant la saisonnalité de bouquets par reconnaissance des variétés de fleurs

Le stage consistera à concevoir et développer une IA capable d’identifier, sur les photos de bouquets transmises par les fleuristes, les variétés de fleurs le constituant, et d’alerter automatiquement si une fleur d’un bouquet semble hors-saison (en localisant clairement sur la photo la fleur « suspecte » avec sa variété reconnue). Il s’agit donc d’abord d’entraîner par Deep- Learning un module de détection et catégorisation reconnaissance des fleurs du bouquet. Il est envisagé d’utiliser un Réseau Convolutif profond de type « Mask_RCNN », « Faster_RCNN » ou similaire, qui sera entraîné notamment sur les bases d’images existantes des fleurs produites par les horticulteurs agréés par Fleurs-d’Ici, ainsi que sur des bases publiques telles que http://www.robots.ox.ac.uk/~vgg/data/flowers/102/. Pour chaque variété de fleur reconnue, l’IA devra afficher en surimpression sur la photo de bouquet les variétés fleurs reconnues (avec leur localisation sur la photo), et mettre en évidence les éventuelles fleurs qui paraissent « hors saison » compte tenu des informations de saisonnalité (déjà associées par Fleurs-d’Ici à chaque type de fleur).

26
Juil

Fusion de capteurs pour l’apprentissage non supervisé de cas rares appliquée aux voitures autonomes

Titre de la thèse:

Fusion de capteurs pour l’apprentissage non supervisé de cas rares appliquée aux voitures autonomes

Contexte:

Huawei travaille sur des systèmes clés de la plate-forme de conduite autonome L2-L3 et se concentre de plus en plus sur le développement de technologies de pointe nécessaires à l’autonomie L4-L5. Demain, les voitures autonomes pilotées par AI associeront l’informatique en calcul périphérique et dans le cloud, à un grand nombre de capteurs pour transporter les personnes de manière sûre et autonome, ainsi que pour la livraison autonome de marchandise. Chez Huawei, nous développons une chaine complète de technologies pour réaliser ce rêve, comprenant des unités de calcul, des capteurs, de l’infrastructure de communication et du cloud. Nous recherchons les meilleurs candidats pour la thèse CIFRE avec une formation en vision par ordinateur, apprentissage profond, apprentissage par renforcement, cartographie, perception, fusion de capteurs, cognition et autres domaines connexes, afin de travailler au sein de l’équipe IoV à Paris Research Center (PRC) . En tant que membre IoV PRC, vous travaillerez en étroite collaboration avec de nombreuses équipes dans le monde entier pour développer votre expertise et pour transférer avec succès les résultats de vos recherches dans de vrais produits.

Un des axes importants des travaux du Centre de Robotique-CAOR de l’Ecole des Mines de Paris et d’ARMINES est la mise au point d’outils, d’algorithmes et d’applications d’analyse temps-réel de flux issus de multiples capteurs, dont des caméras. De nombreuses applications ont ainsi été développées dans le domaine des Systèmes de Transport Intelligents (STI). Des outils et algorithmes performants de reconnaissance visuelle de catégorie d’objet (piétons, voitures, visages, panneaux routiers) ont été développés dans ce contexte.

Cette plate-forme logicielle est aujourd’hui commercialisée par l’entreprise INTEMPORA sous le nom de RT-MAPS pour Real Time Multisensor Advanced Prototyping Software. Elle permet l’acquisition et le prototypage puis l’exécution de traitement temps-réel de flux de données synchronisés, étant utilisée par de nombreux acteurs industriels et académiques tels que Valeo, PSA, Renault, l’INRIA, l’INRETS, etc. dans différents projets tels que Cybercars ou CityMobil.  Enfin le Centre de Robotique a acquis une certaine expertise sur l’utilisation dans le contexte temps-réel de diverses méthodes pour la fusion de données (filtrage particulaire, théorie des possibilités, etc…). Au travers de ce projet l’expertise apportée par le Centre de Robotique dans le domaine des systèmes de perception pour les véhicules, pourra être mise à profit dans cette thèse.

Sujet de recherche:

Le sujet principal de cette thèse doit être centré sur la résolution du problème de la fusion de capteurs pour un apprentissage non supervisé de cas rares, en exploitant une grande quantité de données disponibles à l’aide de plusieurs capteurs et véhicules. En combinant les résultats du traitement de la même entité physique par plusieurs capteurs redondants et par des données cartographiques, il est possible de détecter les causes des défaillances, en comparant les résultats obtenus entre plusieurs sources. L’apprentissage non supervisé devrait améliorer encore plus la précision de la recherche des erreurs, en particulier dans les cas rares où les données d’apprentissage pour les capteurs conventionnels sont absentes, ces données ne comportant pas d’annotations manuelles. Toutefois, les méthodes automatisées SOTA pourraient être utilisées pour extraire des informations relevantes sur la perception, sur la localisation et sur la cartographie afin de transformer le problème en solution. L’apprentissage non supervisé étant considéré comme l’un des problèmes les plus difficiles de nos jours, nous nous attendons à des progrès considérables dans ce domaine, qui pourraient permettre à des véhicules automatisés suffisamment fiables de faire partie de notre vie quotidienne.

Description des activités de recherche:

–  Étudier l’état de l’art sur la perception, sur la fusion de capteurs et sur la cognition

– Étudier l’état de l’art de l’apprentissage supervisé et non-supervisé

– Identifier les principaux verrous technologiques dans SOTA de (1 et 2) avec une application aux problèmes de la conduite autonome

– Proposer une nouvelle solution à l’un des principaux verrous technologiques (3) en mettant l’accent sur les applications pratiques à grande échelle pour les voitures autonomes

– Algorithme de recherche et développement basé sur la solution proposée (4), capable d’identifier de manière non supervisée des défaillances rares de divers capteurs dans le but d’améliorer la précision des données de capteur pour les voitures autonomes.

– Appliquer l’algorithme proposé (5) au domaine des voitures autonomes utilisant des jeux de données existants ou spécialement collectés

– Publier les résultats de recherche dans les meilleures conférences et participer à des séminaires scientifiques

Encadrement:

Cette thèse sera supervisée conjointement par Huawei Technologies France et le Centre de Robotique de MINES ParisTech et d’ARMINES

Conditions préalables:

Le candidat doit être motivé pour mener des recherches de classe internationale et posséder un Master en vision par ordinateur et/ou robotique. Il/Elle devra avoir de solides compétences dans les domaines suivants:

– Implémenter du code en Python et en C ++

– Appliquer ou utiliser les bibliothèques existantes pour un apprentissage approfondi des tâches liées au projet

– Bonne connaissance des outils Git, ROS, OpenCV, Boost, multi-threading, CMake, Make et Linux

– Documentation du code et de l’algorithme

– Reporting et planification du projet

– Rédaction de publications scientifiques et participation à des conférences

– Maîtrise de l’anglais, parlé et écrit; Le français et/ou le chinois est un plus

– Aptitudes interculturelles et de coordination, attitude pratique et volontaire

– Aptitudes interpersonnelles, esprit d’équipe et style de travail indépendant

Contact:

Les candidats intéressés doivent envoyer un CV détaillé comprenant les notes de leur Master à dzmitry.tsishkou@huawei.com et à bogdan.stanciulescu@mines-paristech.fr .

Les candidats doivent posséder un visa de travail en France, ou être ressortissants d’un des états de l’Union Européenne ou de l’Espace Economique Européen.

Date limite:

Notre objectif est de pourvoir ce poste le plus rapidement possible et de commencer au 2e semestre 2019. Les candidatures seront examinées jusqu’à ce qu’un candidat approprié soit trouvé.

Financement et localisation:

Le doctorat sera financé par un contrat CIFRE et se tiendra en région parisienne (Boulogne Billancourt et Paris), en France.

26
Juil

Modélisation réaliste de scenarii de conduite basés sur la fusion de capteurs appliquée aux voitures autonomes

Titre de thèse:
Modélisation réaliste de scenarii de conduite basés sur la fusion de capteurs appliquée aux voitures autonomes

Contexte:
Huawei travaille sur des systèmes clés de la plate-forme de conduite autonome L2-L3 et se concentre de plus en plus sur le développement de technologies de pointe nécessaires à l’autonomie L4-L5. Demain, les voitures autonomes pilotées par AI associeront l’informatique en calcul périphérique et dans le cloud, à un grand nombre de capteurs pour transporter les personnes de manière sûre et autonome, ainsi que pour la livraison autonome de marchandise. Chez Huawei, nous développons une chaine complète de technologies pour réaliser ce rêve, comprenant des unités de calcul, des capteurs, de l’infrastructure de communication et du cloud. Nous recherchons les meilleurs candidats pour la thèse CIFRE avec une formation en vision par ordinateur, apprentissage profond, apprentissage par renforcement, cartographie, perception, fusion de capteurs, cognition et autres domaines connexes, afin de travailler au sein de l’équipe IoV à Paris Research Center (PRC) . En tant que membre IoV PRC, vous travaillerez en étroite collaboration avec de nombreuses équipes dans le monde entier pour développer votre expertise et pour transférer avec succès les résultats de vos recherches dans de vrais produits.

 

Un des axes importants des travaux du Centre de Robotique-CAOR de l’Ecole des Mines de Paris et d’ARMINES est la mise au point d’outils, d’algorithmes et d’applications d’analyse temps-réel de flux issus de multiples capteurs, dont des caméras. De nombreuses applications ont ainsi été développées dans le domaine des Systèmes de Transport Intelligents (STI). Des outils et algorithmes performants de reconnaissance visuelle de catégorie d’objet (piétons, voitures, visages, panneaux routiers) ont été développés dans ce contexte.

Cette plate-forme logicielle est aujourd’hui commercialisée par l’entreprise INTEMPORA sous le nom de RT-MAPS pour Real Time Multisensor Advanced Prototyping Software. Elle permet l’acquisition et le prototypage puis l’exécution de traitement temps-réel de flux de données synchronisés, étant utilisée par de nombreux acteurs industriels et académiques tels que Valeo, PSA, Renault, l’INRIA, l’INRETS, etc. dans différents projets tels que Cybercars ou CityMobil.  Enfin le Centre de Robotique a acquis une certaine expertise sur l’utilisation dans le contexte temps-réel de diverses méthodes pour la fusion de données (filtrage particulaire, théorie des possibilités, etc…). Au travers de ce projet l’expertise apportée par le Centre de Robotique dans le domaine des systèmes de perception pour les véhicules, pourra être mise à profit dans cette thèse.

Sujet de recherche:
Le sujet principal de cette thèse sera centré sur la résolution du problème de la modélisation réaliste de scénarios de conduite, basés sur la fusion de capteurs et en exploitant une grande quantité de données disponibles à l’aide de plusieurs capteurs et véhicules. Ces données ne comportent pas d’annotations manuelles. Toutefois, des méthodes SOTA automatisées pourraient être utilisées pour extraire des informations précieuses sur la perception, sur la localisation et la cartographie afin de transformer le problème en solution. La simulation joue un rôle majeur dans l’augmentation de la précision de la perception, de la fusion de capteurs, de la cartographie, de la planification et du contrôle. Cependant, il n’existe actuellement aucun modèle réaliste des scenarii de conduite, pouvant imiter de manière adéquate le comportement rationnel des objets mobiles. Cela limite le champ d’utilisation de la simulation, il est donc toujours nécessaire de collecter une grande quantité de données réelles. En introduisant des modèles de conduite réalistes, on pourrait réduire l’écart et accélérer le développement de voitures autonomes en augmentant la valeur de la simulation. La modélisation réaliste des scénarios de conduite est considérée comme l’un des problèmes les plus difficiles à relever à ce jour. Nous espérons donc que des progrès considérables seront accomplis dans ce domaine, ce qui pourrait permettre à des véhicules automatisés hautement sécurisés de faire partie de notre vie quotidienne.

Description des activités de recherche:
– Étudier l’état de l’art sur la perception, sur la fusion de capteurs et sur la cognition
– Étudier l’état d’art en matière de modélisation de scénarios de conduite et de planification et/ou contrôle
– Identifier les principaux verrous technologiques dans SOTA de (1 et 2) avec une application aux problèmes de la conduite autonome
– Proposer une nouvelle solution à l’un des principaux verrous technologiques (3) en mettant l’accent sur les applications pratiques à grande échelle pour les voitures autonomes
– Recherche et développement d’un algorithme basé sur la solution proposée (4) permettant de modéliser des scenarii de conduite réalistes, en mettant l’accent sur l’amélioration de la planification / du contrôle de la conduite autonome
– Appliquer l’algorithme proposé (5) au domaine des voitures autonomes utilisant des jeux de données existants ou spécialement collectés
– Publier les résultats de recherche dans les meilleures conférences et participer à des séminaires scientifiques

Encadrement:
Cette thèse sera supervisée conjointement par Huawei Technologies France et le Centre de Robotique de MINES ParisTech et d’ARMINES

Conditions préalables:
Le candidat doit être motivé pour mener des recherches de classe internationale et posséder un Master en vision par ordinateur et/ou robotique. Il/Elle devra avoir de solides compétences dans les domaines suivants:
– Implémenter du code en Python et en C ++
– Appliquer ou utiliser les bibliothèques existantes pour un apprentissage approfondi des tâches liées au projet
– Bonne connaissance des outils Git, ROS, OpenCV, Boost, multi-threading, CMake, Make et Linux
– Documentation du code et de l’algorithme
– Reporting et planification du projet
– Rédaction de publications scientifiques et participation à des conférences
– Maîtrise de l’anglais, parlé et écrit; Le français et/ou le chinois est un plus
– Aptitudes interculturelles et de coordination, attitude pratique et volontaire
– Aptitudes interpersonnelles, esprit d’équipe et style de travail indépendant

Contact:
Les candidats intéressés doivent envoyer un CV détaillé comprenant les notes de leur Master à dzmitry.tsishkou@huawei.com et à bogdan.stanciulescu@mines-paristech.fr .

Les candidats doivent posséder un visa de travail en France, ou être ressortissants d’un des états de l’Union Européenne ou de l’Espace Economique Européen.

Date limite:
Notre objectif est de pourvoir ce poste le plus rapidement possible et de commencer au 2e semestre 2019. Les candidatures seront examinées jusqu’à ce qu’un candidat approprié soit trouvé.

Financement et localisation:
Le doctorat sera financé par un contrat CIFRE et se tiendra en région parisienne (Boulogne Billancourt et Paris), en France.

26
Mar

Chargé(e) de recherche en Intelligence Artificielle pour la Robotique et les Véhicules Autonomes

Dans le cadre du développement de ses activités de recherche et d’enseignement dans le domaine de l’Intelligence Artificielle et du Machine-Learning au CAOR, MINES ParisTech, membre de PSL Université, ouvre un poste de chargé de recherche en Intelligence Artificielle pour la Robotique et les Véhicules Autonomes.

Ouvert sous la forme d’un contrat à durée indéterminée, ce poste s’adresse à un jeune chercheur (H/F, principalement 3-10 ans après la thèse) ayant le goût d’un travail multidisciplinaire à l’interface de la recherche fondamentale et du monde industriel dans le domaine des Véhicules Autonomes et de la Robotique.

Pour plus d’informations, consultez l’offre.

22
Août

Postdoc offer – Computer Vision for Scene Understanding and Human Motion Pattern Recognition

The Centre for Robotics of MINES ParisTech is involved in several research projects on human motion pattern recognition applied to the Factory of the Future, the Creative and Cultural Industries and the Autonomous Vehicles. The main objective of these projects is the development of novel methodologies and technological paradigms that improve the perception of the machine and allows for natural body interactions in human-machine partnerships.

More information about the offer: https://euraxess.ec.europa.eu/jobs/326208

12
Juin

Analyse des mouvements et gestes des piétons via caméra embarquée pour la prédiction de leurs intentions

Description DU TRAVAIL DE RECHERCHE

Contexte & Etat de l’art

Dans le cadre d’une collaboration avec l’Institut Vedecom, le Centre de Robotique MINES ParisTech propose une thèse intitulée « Analyse des mouvements et gestes des piétons via caméra embarquée pour la prédiction de leurs intentions».

Le véhicule autonome est un enjeu majeur de la mobilité de demain. Des avancées sont réalisées tous les jours pour parvenir à sa réalisation ; il reste cependant de nombreux problèmes à résoudre pour parvenir à un résultat sûr vis-à-vis des utilisateurs de la route les plus vulnérables, et notamment les piétons.
En effet, détecter et comprendre le comportement d’un être humain du point de vue du véhicule autonome est essentiel pour que celui-ci puisse prendre les bonnes décisions. Une solution simple consiste à s’arrêter dès que la situation devient critique ou qu’un piéton se trouve « proche » du véhicule. Cette solution reste cependant très loin d’être satisfaisante en termes d’efficience et de qualité de service.
La résurgence des réseaux de neurones depuis une dizaine d’année due à l’explosion de la capacité de calculs apportée par les GPU fournit aujourd’hui de nouvelles solutions pour aborder certains problèmes impossibles à résoudre par des approches classiques. Parmi ces solutions se trouvent des classifieurs, des estimateurs, etc. qui utilisent des entrées complexes (images, vidéos, nuages de points) et qui sont capables de prédire de façon satisfaisante (> 95%) la nature de l’objet ou des indicateurs impossibles à définir autrement (du moins avec la même efficacité en terme de temps de calculs).

C’est dans ce contexte que s’inscrit le sujet défini ici.

OBJECTIFS

A partir des travaux déjà réalisés sur la détection et l’identification de squelettes dans l’image (OpenPose, …), l’objectif de ces travaux sera de définir une solution exploitant l’information caméra (domaine image) et reposant sur les réseaux de neurones pour concevoir un système capable de comprendre l’intention d’un piéton en fonction de sa gestuelle (pas pressés, attention du piéton vis-à-vis de son environnement, …) et de définir à partir de celle-ci la localisation future du piéton de manière à déterminer s’il est susceptible de représenter un obstacle pour le véhicule autonome ou non.
La solution se composera d’un ou plusieurs réseaux de neurones (détection du piéton, détection de son squelette, prédiction de son comportement, …) et devra être de prendre en compte l’aspect temporel (positions passées du piéton, etc.).

Suite à des travaux issues de la thèse d’Olivier Huynh au CAOR, au cadre le projet BGLE-EMMA (Briques généralistes pour les logiciels embarqués), concernant la reconnaissance de personnes suivant leurs silhouettes. A présent, le CAOR mène un projet innovant sur l’analyse de scène sportive (match de football, tennis). Il s’agit de la détection et du suivi de personnes par vision mono-caméra et par apprentissage profond. Les éléments discriminants étant les articulations et les membres (donc le squelette).

L’apprentissage est effectué sur une base de données très grande (Coco-Dataset), contenant des corps, membres, visages humains, annotés et régularisés dans un format standard. Le suivi automatique permet l’analyse statistique des matchs, mais aussi du geste sportif.

Les pistes d’investigation que nous proposerons sont les suivantes :
– L’analyse macroscopique par apprentissage des trajectoires symboliques (grilles d’occupation, par exemple) des personnes sur le bord de la route, afin de pouvoir prédire les déplacements et les changements de direction ainsi que d’expliquer, à posteriori, les défaillances. Il s’agit des analyses proches de ce qu’on appelle l’analyse de démarche, jeux de situations destinés à améliorer la prédictibilité des piétons, mais pas seulement.
– L’analyse des événements ou comportements anormaux (chute de personne, mouvement de foule, etc.), domaine très sensible pour la conduite autonome, permettant par exemple, l’arrêt en situation d’urgence.

p1p2p3p4

Ci-dessus, on peut apercevoir quelques images correspondant à des différentes vues-caméras, sur lesquelles nous avons utilisé la même famille d’algorithmes de détection des parties du corps humain, que pour l’analyse de scène sportive.

Nous proposerons, par la suite, d’utiliser les réseaux profonds de type Mask-R-CNN pour apprendre les silhouettes humaines en même temps que leur segmentation (détourage), sur la même base de données.

Ces algorithmes peuvent facilement être étendus aux applications de réalité augmentée et ses briques peuvent servir à d’autres fonctionnalités des véhicules autonomes.

Profil DU CANDIDAT(E) RECHERCHE 

          DIPLÔME: Le candidat devra être titulaire d’un Master 2 dans le domaine de l’informatique, des mathématiques appliquées ou d’un autre domaine connexe.

COMPETENCES: Des compétences en vision par ordinateur et machine learning (OpenCV, Framework Deep Learning, Python ou C++) seraient appréciées.

Références BIBLIOGRAPHIQUES

Cette thèse débutera en Octobre 2018, pour une période de 3 ans.

CANDIDATURE : Pour toute candidature, veuillez envoyer CV + lettre de motivation à :

Bogdan Stanciulescu : bogdan.stanciulescu@mines-paristech.fr

         Fabien Moutarde : fabien.moutarde@mines-paristech.fr

         Steve Pechberti: steve.pechberti@vedecom.fr

         Guillaume Bresson : guillaume.bresson@vedecom.fr

 

26
Mai

Sujet de thèse CIFRE Optis – MINES ParisTech : Simulation de capteurs dans des nuages de points, Rendu photo-réaliste de scène par rendu hybride de rasterisation et raytracing

rendu

CONTEXTE : Optis

Depuis 1989, OPTIS offre son savoir-faire en lumière et en vision humaine au travers de logiciels de CAO bien connus et de solutions dédiées d’immersion en réalités virtuelles. Cette synergie permet de créer des maquettes aussi vraies que nature permettant aux entreprises de faire des choix importants et pertinents. Aujourd’hui, plus de 2 500 clients dans plus de 50 pays font confiance à OPTIS et innovent chaque jour grâce à ses solutions en s’assurant de l’efficacité et du design de leurs produits.

CONTEXTE : Relevés laser mobiles

Mines ParisTech a mis au point une technique de numérisation 3D d’environnements urbains et routiers, utilisant une plateforme de développement appelée L3D2 [GOULETTE06]. Il s’agit d’un véhicule équipé d’un système de localisation géographique précis (GPS, Centrale Inertielle), d’un scanner laser fixé à l’arrière du véhicule, et de caméras. Ce dispositif permet de recueillir des nuages de points 3D, appelés relevés laser mobiles, décrivant avec une bonne précision les éléments présents le long des trajets effectués (routes, ronds-points, façades, arbres, voitures…), et après traitement d’avoir des modèles 3D des scènes numérisées.

SUJET : Simulation capteurs dans un nuage de points, Rendu photo-réaliste de scène par rendu hybride de rasterisation et raytracing

Cette thèse CIFRE est en lien avec un projet qui a pour objectif de produire de manière automatique des bases de données 3D et une capacité de simulation photo-réaliste d’environnements pour la validation de véhicules autonomes.

L’idée est de simuler de manière réaliste un ensemble de capteurs (caméra, lidar, radar) à partir d’une scène 3D entièrement construite de manière automatique à partir de nuages de points 3D et d’images. Une étape de classification des éléments de la scène et de distinction des matériaux sera le travail d’une autre thèse en amont.

Les logiciels de rendu temps-réel et de réalité virtuelle d’OPTIS sont déjà capables de charger et d’afficher un nuage de points avec des informations de colorimétrie en maintenant une fréquence d’affichage supérieure à 20 images par seconde pour un nombre de point atteignant les 300 millions dans une simulation.

Une première étape sera de charger un ensemble de données encore plus grand, contenant en plus les normales et une information de matériau en chaque point permettant la ré-illumination de la scène. En effet, avec la normale et une information même basique sur la réflectance bidirectionnelle des matériaux, il sera possible de modifier les couleurs qui ont été capturées lors de l’acquisition et de les faire évoluer avec le déplacement des sources lumineuses ou des capteurs dans la simulation.

Une seconde étape consistera à adapter le principe de lancer de rayons sur nuages de points [LINSEN07]. Pour diminuer le temps de calcul et atteindre le temps réel, une solution consistera à utiliser des processeurs graphiques (GPU) au lieu des processeurs classiques (CPU) afin de bénéficier de leur capacité de traitement massivement parallèle.

Enfin, OPTIS a déjà une expertise dans le domaine de la simulation de capteurs pour véhicules. Toutefois, ces capteurs n’ont pas été conçus pour effectuer des simulations sur des environnements réalistes et bruités comme des nuages de points. Un travail de recherche et développement est nécessaire pour adapter les capteurs simulés existants à ces nouveaux environnements et nouvelles techniques de simulation.

Cette thèse débutera en octobre 2017 pour une durée de 3 ans.

REFERENCES :

– [GOULETTE06] François Goulette, Fawzi Nashashibi, Samer Ammoun, Claude Laurgeau, An integrated on-board laser range sensing system for On-the-Way City and Road Modelling, ISPRS International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 2006
– [LINSEN07] Lars Linsen, Karsten Muller, Paul Rosenthal, Splat-based Ray Tracing of Point Clouds, Journal of WSCG, 2007

CANDIDATURE :

Pour toute candidature, veuillez envoyer CV + lettre de motivation à :
jean-emmanuel.deschaud@mines-paristech.fr

16
Mar

Sujet de thèse – Stabilisation en temps fini de systèmes dynamiques modélisés par des EDPs et EDOs

De nombreux systèmes peuvent être modélisés par des équations aux dérivées partielles (EDPs) couplées aux bords par des équations différentielles ordinaires (EDOs). Des résultats existent dans la littérature sur la stabilisation asymptotique ou exponentielle de ce type de systèmes. On se pose la question de la stabilisation en temps fini et de l’application des techniques développées à des cas d’étude dans le domaine de la mécanique, l’acoustique et la mécanique des fluides. Cette thèse est financée dans le cadre du projet ANR Finite4SoS (Stabilisation en temps fini de systèmes de systèmes).

Elle débutera en octobre 2017 pour une durée de 3 ans.

Le candidat devra être titulaire d’un Master 2 dans le domaine de l’automatique ou des mathématiques appliquées. Des compétences en simulation (ScicosLab, Matlab ou C++) seraient appréciées.

Lieu : Centre de Robotique, MINES ParisTech, 60 bvd Saint-Michel, 75006 Paris

Encadrants :

4
Déc

Post-doc – Reconstruction de surface

Image1 Image2

 

Reconstruction de surface d’environnements extérieurs relevés par lasers mobiles

Surface reconstruction of outdoor environments

from mobile laser data

Post-Doctorat

CAOR / Mines ParisTech

2015

Mots clés : reconstruction de surface, modélisation 3D, LIDAR, caméra, système mobile, cartographie, route

Keywords: surface reconstruction, LIDAR, camera, mobile system, cartography, road, 3D modelling, driving simulator

 

Contexte, objectifs, travail à réaliser

            La création de cartes 3D présente un intérêt considérable pour de nombreuses applications : navigation routière et pédestre, planification d’itinéraires, visites virtuelles, jeux, applications militaires, etc. Ceci entraîne depuis quelques années un engouement, à la fois pour l’usage de ces cartes, et pour de nouvelles méthodes d’acquisition plus performantes et moins coûteuses, à la fois par des grandes entreprises (Google Maps, Microsoft Virtual Earth), et par des laboratoires de recherche.

  Read more