Dans le cadre d'un projet de recherche qui porte sur la modélisation de panaches de fumée d'incendie, le laboratoire va mener plusieurs campagnes d'acquisition de données avec un Lidar panoramique et un ensemble de huit caméras.

​​La mise en place de ce type d'expérimentations existe à petite échelle, et sans Lidar (cf ScalarFlow). Le but de ce stage est de mettre en place un système de capture de panaches de fumée à plus grande échelle, avec des capteurs multimodaux. Ces capteurs seront déployés en demi-cercle ou en ligne sur quelques dizaines de mètres, selon les panaches de fumée qui seront observés.

Pour pouvoir traiter ces données, il est indispensable que les capteurs qui les produisent soient calibrés, c'est à dire que le modèle géométrique qui les caractérise, et aussi les positions relatives auxquelles ils sont situés, soient connues avec la plus grande précision possible.

Différents outils existent pour le calibrage de caméras (calibration intrinsèque pour le modèle interne, et calibration extrinsèque pour les positions relatives), et aussi pour l'estimation des positions entre caméras et Lidars. Mais les conditions dans lesquelles ces capteurs sont mis en oeuvre (notamment les distances entre les capteurs) ne sont pas habituelles. L'objet du stage est d'intégrer les différents outils existants, en les adaptant si nécessaire, en une suite logicielle exploitable qui permettra de calibrer aisément le système lors de chaque déploiement.

Une extension possible du sujet est de travailler sur les algorithmes qui permettraient de reconstruire des informations géométriques sur le panache à partir de données Lidar. Il s'agit d'un problème peu abordé et difficile, étant donnée la structure dynamique non rigide d'un panache de fumée : nos travaux actuels portent sur l'adaptation des récentes techniques de Gaussian Splatting à ce problème.

Compétences attendues : bon niveau de programmation en Python et/ou C/C++, bonne compréhension de la géométrie dans l'espace (transformations 3D, projections). Des connaissances en traitement des images seraient un plus.

Durée du stage: de 4 à 6 mois

Lieu du stage : LAAS/CNRS, équipe Robotique et InteractionS (RIS), Toulouse

Encadrement, contact : homepage