Avec près de 1850 collaborateurs de 29 nationalités, EDF Lab Paris Saclay travaille sur plus de 250 projets de recherche et développement qui visent à répondre aux enjeux du Groupe EDF d'aujourd'hui et aux évolutions de demain.
Dans ce cadre, au sein du Département PERICLES (PErformance et prévention des Risques Industriels du parC par la simuLation et les EtudeS), le groupe Réalité Virtuelle et Visualisation Scientifique (RVVS) réunit les compétences de modélisation / interaction 3D et d'analyse visuelle de données.
Le projet IRENE (Intelligence artificielle et REalité virtuelle pour les chantiers du NucléairE) mène des activités de développement d’outils pour la chaîne de production de maquettes 3D intelligentes, ainsi que pour l’exploitation et la mise en valeur de ces données sur des sujets à forte plus-value pour les ingénieries et les exploitants.
En plus de la Réalité Virtuelle, le lot Intelligence Artificielle du projet IRENE se positionne sur la Réalité Augmentée dans le but de visualiser des modifications des installations directement sur site en Centre Nucléaire de Production d’Electricité.
La validation sur le terrain d’une modification requiert une tolérance de positionnement à 5 cm près sur plusieurs étages et plusieurs dizaines de mètres.
Il est donc nécessaire de pouvoir positionner les lunettes de RA par rapport à la maquette de référence de manière précise, robuste et en temps réel.
Aujourd’hui ce positionnement est fait à l’aide de cibles dont l’installation et l’initialisation sont trop chronophages, coûteuses, imprécises et inadaptées aux contraintes de l’installation, pour les futurs utilisateurs en centrale (ingénieries et exploitants).
Pour éliminer cette contrainte, nous développons des algorithmes de positionnement d’images par rapport à la maquette de référence.
Le but de ce stage est d’explorer l’initialisation du positionnement d’un casque de réalité augmentée Microsoft Hololens 2, en exploitant ses différents capteurs (caméra, caméra de profondeur), par rapport à une station d’acquisition laser et photographique de référence.
Un espace de test est disponible à EDF Lab Saclay pour mettre en œuvre les avancées algorithmiques au fil du stage.
Ces travaux constituant une première étape, il est possible de continuer ce stage avec une thèse pour approfondir le sujet et développer des méthodes et algorithmes nouveaux.
Compétences requises
· Compétences en traitement d’image
· Utilisation de réseaux de neurones profonds pour les images
· Développement Python, bibliothèques de vision par ordinateur, bibliothèques de statistiques et apprentissage automatique.
Profil souhaité :
Bac+5, élève ingénieur ou étudiant en Master 2 en informatique, vision par ordinateur, machine learning.
Conditions matérielles
Lieu du stage :
EDF R&D, 7 boulevard Gaspard Monge, 91120 PALAISEAU
Département PERICLES / Groupe I2C (Réalité Virtuelle et Visualisation Scientifique)
Durée :
5-6 mois.
Références
· Dusmanu, M., Rocco, I., Pajdla, T., Pollefeys, M., Sivic, J., Torii, A., & Sattler, T.
(2019).
D2-net:
A trainable cnn for joint description and detection of local features.
In Proceedings of the ieee/cvf conference on computer vision and pattern recognition (pp.
8092-8101).
· Taira, H., Okutomi, M., Sattler, T., Cimpoi, M., Pollefeys, M., Sivic, J., ..
.
& Torii, A.
(2018).
InLoc:
Indoor visual localization with dense matching and view synthesis.
In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp.
7199-7209).
· #
EDF
Palaiseau 91120
Sciences, Recherche
Stage
0 mois
