Stage - Localisation 3D d'objets déformables par Deep Learning et portage ROS2 H/F
CEA
Saclay France, Ile-de-France, Essonne (91)
il y a 1j

Domaine

Systèmes d'information

Intitulé de l'offre

Stage - Localisation 3D d'objets déformables par Deep Learning et portage ROS2 H / F

Sujet de stage

Ce stage a pour objectif d'étudier la mise en place d'une solution de reconnaissance / localisation d'objets déformables par Deep Learning dans un nauge de points 3D.

Les objectifs du stage seront donc :

  • Prendre en main et mettre en place la méthode de localisation proposée par 1 .
  • Proposer des évolutions de l'approche pour simplifier l'apprentissage.
  • Eventuellement, implémentation ROS2 des composants.
  • 1 Peter R. Florence, Lucas Manuelli, and Russ Tedrake. Dense Object Nets : Learning Dense Visual Object Descriptors By and For Robotic Manipulation.

    In Conference on Robot Learning (CoRL), Zurich, Switzerland, October 2018

    Durée du contrat (en mois)

    Description de l'offre

    Contexte du stage

    La reconnaissance / localisation 3D d’un objet dans un nuage de points, dont l’acquisition a été réalisée par un capteur 3D (e.

    g. kinect), consiste à estimer la position / orientation 3D de cet objet par rapport à la caméra qui l’observe. Il s’agit là d’une brique essentielle pour de nombreuses applications (Robotique, Réalité Augmentée, Véhicule autonome, ).

    Le laboratoire dispose d’une forte expertise sur la localisation d’objets rigides, pour lesquels un modèle 3D est disponible (CAO ou scan3D).

    Nous cherchons ici à explorer des approches de localisation 3D n’utilisant pas de modèle 3D connu a priori. L’objectif est de pouvoir étendre cette approche aux objets déformables.

    Objectifs

    Ce stage a pour objectif d’étudier la mise en place d’une solution de reconnaissance / localisation d’objets déformables par Deep Learning dans un nauge de points 3D.

    Les objectifs du stage seront donc :

    Prendre en main et mettre en place la méthode de localisation proposée par 1 .

    Proposer des évolutions de l’approche pour simplifier l’apprentissage.

    Eventuellement, implémentation ROS2 des composants.

    1 Peter R. Florence, Lucas Manuelli, and Russ Tedrake. Dense Object Nets : Learning Dense Visual Object Descriptors By and For Robotic Manipulation.

    In Conference on Robot Learning (CoRL), Zurich, Switzerland, October 2018

    Compétences développées au cours du stage :

    Ce stage permettra à l’étudiant de développer ses compétences en Deep Learning en mettant en place une méthode de reconnaissance / localisation dans sa globalité et en approfondissant les problématiques liées à la généralisation de l’approche en vue de déploiements industriels.

    Compétences requises :

    Le candidat devra disposer de connaissances en apprentissage profond, python et C++. Des connaissances en Vision par Ordinateur, ainsi qu’une première expérience avec ROS(2) sont un plus.

    Formation / Niveau d’étude Ingénieur, Master 2 / Bac+5

    Possibilité poursuite en thèse ou CDD selon profil.

    Durée 6 mois

    Lieu Palaiseau (91) Centre d’intégration de Nano-INNOV

    Indemnités de stage Entre 700 € et 1400 € suivant formation.

    Aide au logement / transport / restauration.

    Candidatures

    Joindre CV + lettre de motivation à Fabrice.MAYRAN-DE-CHAMISSO cea.fr avec le nom du stage auquel vous postulez

    Ne pas hésiter à détailler les projets ou cours auxquels vous avez participé

    Indiquer les dates de début / fin de stage envisagées.

    Ce stage pourra prendre une orientation recherche ou industrie en fonction du profil du candidat

    Moyens / Méthodes / Logiciels

    C++ python IA deep learning vision par ordinateur robotique fusion de capteurs

    Profil du candidat

    élève ingénieur ou M2 en stage de fin d'études. Bonnes capacités de développement logiciel (C++, python). Profils atypiques possibles.

    Signaler cette offre d'emploi
    checkmark

    Thank you for reporting this job!

    Your feedback will help us improve the quality of our services.

    Postuler
    Mon email
    En cliquant sur « Continuer », je consens au traitement de mes données et à recevoir des alertes email, tel que détaillé dans la Politique de confidentialité de neuvoo. Je peux retirer mon consentement ou me désinscrire à tout moment.
    Continuer
    Formulaire de candidature