Booster votre candidature en enregistrant et partageant votre vidéo de présentation aux recruteurs

J'enregistre ma vidéo
Retour

Offre proposée par

Cea

CEA

Stage de fin d'études Master 2 / Ecole d'ingénieur en localisation H/F

Palaiseau, Île-de-France Développement informatique
Postuler maintenant

Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.

Référence

2020-14551

Description de l'unité

Au sein du CEA LIST, le Laboratoire Vision pour la Modélisation et la Localisation est en charge d'une activité de recherche initiée dans les années 90 sur les thèmes de vision par ordinateur et machine learning pour des applications traitant de localisation dans l'environnement, localisation précise d'objets, reconstruction 3D, réalité augmentée, réalité diminuée, rendu réaliste…

Notre mission de transfert de ces technologies vers le monde industriel se réalise en amont en développant des méthodes d'analyse à la pointe de l'état de l'art en collaboration avec le monde académique et en aval en adaptant ces technologies aux contextes applicatifs de nos partenaires industriels, depuis la preuve de concept jusqu'aux prototypes préindustriels. Le laboratoire est partenaire de grands groupes industriels tels que NEXTER, TECHNIP ou encore RENAULT. Il est aussi à l'origine de start-up telles que DIOTA créée en 2009 qui développe une solution de réalité augmentée pour l'industrie ou TRIDIMEO créée en 2017 qui conçoit des solutions de reconstruction 3D temps réel basées multispectral.

Le laboratoire est composé de 11 permanents, ainsi que 4 à 5 doctorants et 3 à 4 CDD et post-docs qui viennent renforcer les activités de recherche et de transfert technologique. En moyenne, le LVML produit une quinzaine de publications dans des conférences et journaux internationaux et dépose 2 à 3 brevets par an dont environ une dizaine sont aujourd'hui exploités par nos partenaires industriels.

Description du poste

Domaine

Mathématiques, information scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Stage de fin d'études Master 2 / Ecole d'ingénieur en localisation H/F

Sujet de stage

Robustification d'un algorithme de SLAM visuel / inertiel par deep learning

Durée du contrat (en mois)

6

Description de l'offre

Contexte du stage :


Les algorithmes de SLAM (Localisation et cartographie simultanée) visuel/inertiel [2] permettent d'estimer en temps réel la trajectoire d'un porteur tout en reconstruisant sous forme d'un nuage de points 3D l'environnement observé. Cependant, en absence d'information visuelle (par exemple absence de lumière), les données inertielles ne permettent d'estimer le mouvement sans dérive que pendant quelques secondes.


Afin de répondre à cette problématique, le Laboratoire de Vision pour la Modélisation et la Localisation souhaite s'inspirer des nouvelles approches basées deep learning [1] pour estimer une localisation précise sur une durée significative en utilisant uniquement les données inertielles

Objectifs du stage :


Ce stage a pour premier objectif d'étudier la solution de localisation basée deep learning sur données inertielles [1]. Pour cela différentes gammes d'IMU seront utilisées. Dans un deuxième, temps, une solution pour inclure cette approche dans un algorithme de SLAM visuel/inertiel sera développé pour rendre celui-ci robuste aux dénis de service des caméras.

[1]Tight Learned Inertial Odometry - IMU-only navigation with deep learningWenxin Liu, David Caruso, Eddy Ilg, Jing Dong, Anastasios I. Mourikis, Kostas Daniilidis, Vijay Kumar, Jakob Engel 2020.

[2]Keyframe-Based Visual-Inertial SLAM Using Nonlinear OptimizationStefan Leutenegger, Paul Furgale, Vincent Rabaud, Margarita Chli, Kurt Konolige and Roland Siegwart, 2013.

Moyens / Méthodes / Logiciels

Mathématiques appliquées, deep learning, C++, Python



Profil du candidat

Le candidat devra disposer d'une bonne maîtrise du langage C++, de python et de connaissances en fusion de capteur.