Stage – Développement d’un outil de manipulation des images RGB-D  pour la reconstruction 3D multi-temporelle en viticulture (H/F)

Stage – Développement d’un outil de manipulation des images RGB-D pour la reconstruction 3D multi-temporelle en viticulture (H/F)

IMS Bordeaux , France

Details

Problématique Les reconstructions actuelles reposent sur le traitement complet des séquences acquises, ce qui entraîne une forte charge de calcul. L’objectif est désormais de sélectionner et d’ordonner les données pertinentes, en ciblant par exemple un nombre précis de ceps, un piquet ou une zone géographique spécifique, pour permettre une reconstruction 3D ciblée et efficace. Objectifs Concevoir et développer un outil logiciel modulaire permettant : ✓ la sélection et l’organisation des données extraites (images RGB, profondeur, nuages de points), ✓ la préparation automatique des ensembles de données nécessaires à la reconstruction 3D d’une zone définie (cep, piquetée, ou segment du rang), ✓ l’intégration fluide dans les pipelines de reconstruction et d’analyse existants, ✓ assurer la compatibilité avec différents types de caméras (RealSense dans un premier temps, puis autres capteurs RGB-D), ✓ fournir une base évolutive vers une version temps réel de tout ou partie de la chaîne de traitement, connectée à ROS2, pour embarquement sur le robot de scouting ✓ intégrer à cette chaîne de traitement des algorithmes neuronaux pour la détection et le positionnement automatique d’objets d’intérêt (grappes, ceps…) dans les reconstructions 3D. Profil recherché Niveau Master 2 ou dernière année d’école d’ingénieur en informatique, robotique, vision ou traitement du signal. Compétences et connaissances Compétences techniques : • Programmation Python et bonnes pratiques logicielles, • Traitement d’images et nuages de points (OpenCV, Open3D, PCL), • Notions sur les capteurs RGB-D (Intel RealSense, Orbbec, etc.), • Structuration et synchronisation de données multi-capteurs, • Connaissance de ROS2 appréciée. Une expérience en implémentation de modèles de vision embarquée (YOLO, détection ou segmentation d’objets) constitue un atout supplémentaire. Qualités : rigueur, autonomie, curiosité scientifique et goût pour les applications concrètes

Additional Resources

Download Resource
Login to Save

Related Scholarships

Loading scholarships...