6 mois
Paris 15e (75)
Réf. STA/FF/DMSI
  • Partager sur Twitter
  • Partager sur LinkedIn
Stage

Implémentation de fonctions pour le fitting de type minimax (L∞) et le filtrage 3D de données mesurées en utilisant des approches classiques et d’intelligence artificielle : applications sur des surfaces 3D

Contexte du stage

Les systèmes de mesure optique à base de caméras industrielles, capteurs confocaux, etc. sont des instruments de mesure tridimensionnelle avec une cadence très rapide. Ils sont largement adoptés dans l’industrie aéronautique, médicale, automobile, ferroviaire, etc.

Les systèmes de mesure optique sont suffisamment exacts et stables pour réaliser des opérations en métrologie dimensionnelle afin d’extraire des paramètres de surface (écart de forme, ondulation, rugosité 3D…). L’intégration de ce type d’instrument dans des machines de mesure (machine tridimensionnelle & profilomètre) donne la possibilité de scanner des surfaces gauches en un temps record, avec une incertitude satisfaisante. Dans ce contexte, le projet coopératif international de référence 369 (Traceable reference software for a real surface texture metrology on 3D objects) coordonné par PSAU (Prince Sattam bin Abdulaziz University in Saudi Arabia) a été financé en 2020 dans le but d’explorer les outils de post-traitement pour l’extraction des paramètres de rugosité 3D avec une faible incertitude. Le LNE, en tant que partenaire du projet, a pour mission de caractériser un nombre de surfaces pour assurer la traçabilité à la définition SI du mètre et de développer des outils de traitement de données. Dans le cadre de ce sujet de stage, on se focalise seulement sur l’étude et l’implémentation des algorithmes de filtrage 3D, en utilisant des approches classiques ou récentes basées sur des techniques de Machine Learning.

Missions

Dans ce contexte, les missions suivantes vous seront confiées :

  • Etude de l’état de l’art sur les techniques de fitting de type minimax (L∞) et de filtrage 3D pour les surfaces gauches
  • Implémentation et prise en main des méthodes existantes pour le fitting de type minimax (L∞) et le filtrage 3D
  • Optimisation des paramètres du modèle nominal utilisé pour le fitting (L∞)
  • Implémentation d’une nouvelle méthode de filtrage 3D, exemple à base de machine Learning pour les données issues d’opérations de scanning 3D
  • Evaluation des performances

Profil

Vous recherchez un stage dans le cadre de votre Master 2 en mathématiques appliquées, data science et imagerie.

Des connaissances en traitement d’images numérique/OpenCV sont nécessaires.

Vous disposez de bases solides en codage et en langages de programmation (C/C++, MATLAB, Python).

Dynamisme, autonomie et motivation seront des qualités nécessaires pour mener à bien vos missions.

Vous appréciez et possédez des aptitudes pour le travail en équipe et vous faites preuve d’une réelle envie d’apprendre.

 

Gratification

1218 € bruts par mois pour un étudiant en Bac +5

Information supplémentaire

Le sujet de stage débouchera sur une thèse de doctorat avec un financement CIFRE (LNE, ENS Paris-Saclay et PSAU)

×
En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies conformément à notre politique de données personnelles. En savoir plus.