Titre du poste
Offre de thèse - PICODEV : Conception d'un système intégré pour la prédiction de trajectoires à partir de données de caméras Fisheye montées sur des drones autonomes
Description

Au quotidien, les êtres humains ont une capacité naturelle à interpréter les comportements de leur environnement social. En effet, en se déplaçant dans des espaces publics tels que les trottoirs, les terminaux d'aéroport ou les centres commerciaux, ils suivent instinctivement les règles non écrites de bon sens et les conventions sociales. Par exemple, selon une étude menée par des chercheurs de l'Université de Californie à San Diego, les piétons américains respectent en moyenne un écart de 47 centimètres lorsqu'ils croisent un autre piéton sur un trottoir. La compréhension de la dynamique des mouvements de foule est devenue cruciale dans de nombreux domaines d'application dans le monde réel. Selon une étude de l'Université de technologie de Delft, aux Pays-Bas, les événements de foule entraînent plus de 1000 morts par an dans le monde. Également dans le domaine de la conduite autonome, des prévisions précises de trajectoires futures des piétons pourraient aider à éviter un grand nombre d'accidents de la circulation. Selon l'Organisation mondiale de la santé (OMS), environ 270 000 piétons meurent chaque année sur les routes dans le monde, soit environ 22% des décès dus à des accidents de la route. C'est pourquoi la mise en place de systèmes de surveillance et de suivi de trajectoire est devenu crucial dans de nombreux domaines tels que la sécurité publique, la gestion du trafic et la robotique.

L’objectif de cette thèse de doctorat est de proposer une approche innovante en utilisant des drones autonomes équipés de caméras Fisheye pour la collecte de données et la prédiction de trajectoires. Les caméras Fisheye offrent un champ de vision à 360 degrés, mais leur distorsion d'image, la commande autonome des drones, la calibration et la stabilisation des caméras présentent des défis pour la prédiction de trajectoires. Les méthodes existantes de prédiction de trajectoire ne sont pas adaptées à ces défis, nécessitant ainsi le développement de nouvelles approches pour surmonter ces obstacles [1,2,3].

Responsabilités

La thèse est une combinaison d'activités de recherche, de développement technologique et d'expérimentation. Cela inclura la conception et la modélisation de systèmes robotiques, le développement d'algorithmes d'intelligence artificielle et de vision par ordinateur, la mise en œuvre de techniques avancées de prédiction de trajectoire, ainsi que des tests et des validations. Les principaux objectifs de cette proposition de recherche sont alors :

  • Revue de la littérature : Une analyse approfondie des travaux existants sur la prédiction de trajectoires, l'utilisation de caméras Fisheye et la commande autonome des drones.
  • Développement d'algorithmes d'apprentissage profond : Concevoir des algorithmes spécifiques capables de traiter les données de caméras Fisheye, en tenant compte de la distorsion d'image pour prédire avec précision les trajectoires de piétons.
  • Conception du système de commande autonome : Développer un système de commande pour les drones, intégrant des mécanismes avancés de détection et d'évitement d'obstacles pour assurer un suivi précis et sécurisé des cibles.
  • Calibration et stabilisation des caméras : Étudier et mettre en œuvre des méthodes de calibration et de stabilisation des caméras Fisheye pour garantir une acquisition d'image précise et fiable, malgré les mouvements du drone.
  • Évaluation des performances : Tester les algorithmes développés à l'aide de données réelles collectées par des drones autonomes dans différents environnements, en évaluant la précision de la prédiction de trajectoire et la robustesse du système.

En résumé, cette thèse vise à relever les défis techniques associés à la prédiction de trajectoires à partir de données de caméras Fisheye montées sur des drones autonomes, en proposant des solutions innovantes et efficaces pour améliorer la surveillance et le suivi de trajectoire dans divers contextes d'application. À chaque avancée réalisée dans la thèse, il est nécessaire de publier des articles scientifiques de haute qualité dans des journaux et des conférences spécialisées.

Bibliographie :

[1] T. Fernando, S. Denman, S. Sridharan et C. Fookes. Soft+ hardwired attention : An lstm framework for human trajectory prediction and abnormal event detection. Neural networks, vol. 108, pages 466-478, 2018.

[2] F. Giuliari, I. Hasan, M. Cristani et F. Galasso. Transformer networks for trajectory forecasting. In 2020 25th International Conference on Pattern Recognition (ICPR), pages 10335-10342. IEEE, 2021.

[3] A. Gupta, J. Johnson, L. Fei-Fei, S. Savarese et A. Alahi. Social gan : Socially acceptable trajectories with generative adversarial networks. In Proceedings of the IEEE conference on computer vision and pattern recognition, pages 2255#2264, 2018.

Référence du poste

Merci d'ajouter la référence "PICODEV2024PHD001" à votre candidature pour ce poste.

Type de poste
Temps plein
Date de début du poste
Mai 2024
Durée du contrat
3 ans
Lieu du poste
36 avenue de l'europe, Vélizy-Villacoublay, 78140, France
Date de publication
février 13, 2024
Exportation PDF
Close modal window

Merci d’avoir soumis votre candidature. Nous vous contacterons sous peu !