#JoinOurCrew
Mission
Stage de fin d'étude d'une durée de 6 mois à partir de février 2026.
Contexte et besoin :
Dans le domaine de la détection d'obstacles maritimes, les capteurs actuels présentent des limites complémentaires. Le lidar permet de localiser précisément les obstacles dans l'espace, mais génère des faux positifs, notamment liés aux vagues ou aux oiseaux. À l'inverse, les algorithmes de détection basés sur des réseaux de neurones (CNN), appliqués aux images infrarouges (IR) ou couleur (RGB), permettent de reconnaître et de catégoriser les obstacles tout en limitant les fausses détections, mais leur localisation dans l'espace 3D reste peu fiable. Il est donc nécessaire de combiner les informations issues des caméras et du lidar afin de bénéficier de leurs avantages respectifs, d'améliorer la fiabilité de la détection et de mieux distinguer les obstacles réels des éléments de l'environnement qui ne nécessitent pas d'évitement.
Objectifs du stage :
Deux approches seront étudiées : utiliser les détections caméra pour identifier les zones d'intérêt dans les données lidar, ou partir des détections lidar et les filtrer à l'aide de la classification sur image. Le stage comprendra une étude préliminaire, le développement de la méthode retenue, des campagnes d'acquisition de données en mer ainsi que l'évaluation de ses performances et de ses besoins en ressources de calcul. Il inclura également l'intégration et l'évaluation d'un nouveau lidar capable de fournir des informations de couleur en complément des données de distance, afin d'étudier son potentiel pour améliorer la détection des obstacles maritimes.
Profil
Vous êtes en école d'ingénieur et vous recherchez un stage de fin d'études.
Vous maîtrisez les compétences suivantes :
- Environnement Linux
- Langage C++
- Connaissance du framework ROS 2
- Méthodes Deep Learning
Des connaissances en traitement d'images et/ou nuages de points sont un plus.