En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Offre de thèse : (H/F) SLAM visuel avec flash évenementiel pour la navigation de robot aérien

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : mardi 31 mai 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Référence : UMR5216-VIRFAU-027
Lieu de travail : ST MARTIN D HERES
Date de publication : mardi 10 mai 2022
Nom du responsable scientifique : NEGRE Amaury
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Cette thèse est proposée dans le cadre du projet ANR Dark-NAV dont le but est d'équiper un drone multirotor d'un système de photolocalisation par flash inspiré du poisson lampe de poche à des fins de navigation. Le poisson lampe de poche illumine sa scène visuelle en déclenchant et en modulant un flash bioluminescent saisissant lorsqu'il nage à travers les récifs coralliens .

Les objectifs scientifiques de ce projet seront le développement d'un puissant capteur de photolocalisation active stéréo à base de flash, d'algorithmes de localisation et de cartographie simultanées (SLAM) visuels apériodiques et des stratégies de stabilisation et de navigation correspondantes. La stratégie clé consistera à piloter la fréquence de clignotement du capteur en fonction de l'illumination externe, de la distance aux obstacles et de la vitesse actuelle du drone. Le contexte applicatif ciblé porté par le partenaire industriel (SUEZ) est l'inspection autonome de conduites d'eau ou de réservoirs vides. Cette inspection est cruciale pour la maintenance des infrastructures d'eau potable et pour prévenir les pollutions indésirables.
Cette thèse se concentrera sur la partie SLAM apériodique et auto-déclenchée de ce projet.

Le projet Dark-NAV est soutenu par un consortium de trois laboratoires (GIPSA-Lab à Grenoble, ISM à Marseille et ICube à Strasbourg) ayant une forte expérience en vision et en contrôle robotique avancé. Le projet inclut également le partenaire industriel SUEZ-SERAMM qui utilise des drones pour l'inspection et la maintenance des conduites d'eau.

L'objectif de la thèse est d'étudier et de concevoir de nouveaux algorithmes SLAM basés sur la vision en utilisant des images de caméras flashées apériodiques disponibles uniquement après un déclenchement externe (généré par le module de navigation) ou un événement auto-déclenché (décidé par le module SLAM lui-même).

La première tâche se concentrera sur le SLAM inertiel visuel lui-même et s'appuiera sur l'algorithme "SuperSurfelFusion" développé au Gipsa-Lab. Cette méthode utilise une caméra RGB-D, comme la caméra Intel RealSense, pour représenter l'environnement comme un ensemble de patchs planaires, appelés "supersurfels", et localiser la caméra en minimisant une erreur combinant les points d'intérêt et la reprojection des supersurfels. Pour maintenir une bonne estimation entre deux images et éviter l'échec du suivi de la caméra, il sera nécessaire d'intégrer les données inertielles dans l'approche "SuperSurfelFusion". Comme la méthode SLAM utilise des points d'intérêt, il sera également nécessaire d'étudier la robustesse de la détection et du suivi des points d'intérêt par rapport à l'illumination du flash (en particulier au fait que la source de lumière se déplacera avec le drone).
La deuxième tâche consistera à étudier le déclenchement automatique du flash. Le système SLAM développé devra être capable de prédire un échec de localisation ou une baisse de la précision de localisation afin de commander une nouvelle acquisition d'images flash. L'approche reposera sur une modélisation géométrique et dynamique du problème (par exemple les matrices de covariance de l'état de localisation) ainsi que sur des méthodes d'apprentissage automatique comme l'apprentissage par renforcement profond.

Contexte de travail

CONTEXTE DE TRAVAIL
Le Gipsa-lab est une unité de recherche commune CNRS, Grenoble-INP (Institut de Technologie de Grenoble), Université de Grenoble conventionnée par l'Inria et l'Observatoire des Sciences de l'Univers de Grenoble.
Avec 350 personnes dont environ 130 doctorants, Gipsa-lab est une unité de recherche multidisciplinaire développant à la fois des recherches fondamentales et appliquées sur des signaux et des systèmes complexes.
Gipsa-lab développe des projets dans les domaines stratégiques de l'énergie, de l'environnement, de la communication, des systèmes intelligents, de la vie et de la santé et de l'ingénierie linguistique.
Par ses activités de recherche, Gipsa-lab maintient un lien constant avec l'environnement économique grâce à un partenariat fort avec les entreprises.
Le personnel du Gipsa-lab est impliqué dans l'enseignement et la formation dans les différentes universités et écoles d'ingénieurs de l'agglomération grenobloise (Université Grenoble Alpes).
Gipsa-lab est internationalement reconnu pour la recherche réalisée en Automatique et Diagnostic, Sciences de l'Information et de l'Image du Signal, Parole et Cognition. L'unité développe sa recherche au travers de 16 équipes organisées en 4 pôles de recherche :
.Automatique et Diagnostic
.Sciences des Données
.Géométries, Apprentissage, Information et Algorithmes
.Paroles et Cognition

Le Gipsa-lab regroupe 148 permanents et environ 260 non permanents (doctorants, post-doctorants, chercheurs invités, stagiaires en master…)

Contraintes et risques

NEANT

On en parle sur Twitter !