Présentation des partenaires scientifiques
Société Drone Geofencing
Drone Geofencing ( https://drone-geofencing.fr/ ) est une société nîmoise (SAS au capital de 90 122 €) créée en août 2019.
Drone Geofencing développe une solution logicielle pour superviser une flotte de drones depuis un centre de contrôle. Les drones sont autonomes (i.e. ils exécutent leur mission en toute autonomie) et le télépilote, localisé dans le centre de contrôle, peut reprendre la main sur les drones quittant leur couloir de vol.
L’équipe de Drone Geofencing est constituée d’ingénieurs et de docteurs spécialisés en mécatronique, informatique, micro-électronique, antennes radiofréquences, logiciels embarqués. Drone Geofencing travaille déjà en étroite collaboration avec plusieurs équipes de recherche, des constructeurs de drones à usage professionnel et plusieurs grands donneurs d’ordre.
C’est pour ajouter de nouvelles fonctionnalités et améliorer celles existantes que Drone Geofencing propose cette thèse CIFRE en collaboration avec l’équipe ICAR du LIRMM.
Laboratoire d'Informatique, de Robotique et de Microélectronique de Montpellier (LIRMM)
Le LIRMM ( https://www.lirmm.fr/ ) est une unité mixte de recherche de l’Université de Montpellier et du CNRS qui accueille environ 400 personnes, dont 200 chercheurs et enseignants-chercheurs permanents.
Depuis plus de 20 ans, les chercheurs de l’équipe ICAR ( https://www.lirmm.fr/icar/ ), composée de 9 permanents et d’une quinzaine de doctorants, ont des compétences dans le domaine du traitement, de l’interaction et de la manipulation des données visuelles telles que les images, les vidéos et les objets 3D.
Ce sont les chercheurs des axes de recherche Modélisation & Visualisation et Intelligence Artificielle (Marc CHAUMONT, Frédéric COMBY, Christophe FIORIO et Gérard SUBSOL) qui assureront l’encadrement scientifique de cette thèse de doctorat.
Présentation générale du sujet de recherche
De nombreux concepts d’emploi (cas d’usage) de drones aériens nécessitent de pouvoir cibler au sol un point d’intérêt détecté dans une image (c.à.d. localiser et obtenir ses coordonnées spatiales réelles). Par exemple, la sécurité civile souhaite réaliser des levées de doute par drone pour identifier les « vrais » départ de feu et les discriminer par exemple d’un barbecue.
Pour cela, il faut disposer d’une méthode de ciblage précise et robuste transformant une zone d’intérêt détectée dans une prise de vue optique d’un drone de surveillance (dans la figure ci-dessous, une détection de fumée) en une coordonnée GPS qui permettra de guider automatiquement un drone sur zone.
La méthode intuitive consiste à utiliser la position et l’altitude du drone ainsi que l’orientation de la caméra pour « projeter » le pixel correspondant à la zone d’intérêt sur le Modèle Numérique de Terrain 3D et obtenir ainsi la localisation en trois dimensions.
Cependant, l’imprécision des capteurs fixés sur les drones du marché ne permet pas toujours d’avoir un ciblage avec le niveau de précision souhaité.
D’autre part, il n’est pas envisageable d’installer sur des mini-drones des dispositifs spécifiques (Lidar, pointeur laser) pour améliorer ces résultats, le poids de ces dispositifs dépassant la masse maximale autorisée.
Une idée est alors d’utiliser des méthodes automatiques de recalage d’images pour aligner la vue obtenue par la caméra du drone avec une vue aérienne de référence (éventuellement déformée par le Modèle Numérique de Terrain 3D) de la zone afin d’y retrouver la zone d’intérêt.
Ces méthodes sont regroupées sont la terminologie « Cross-View Geo-Localization ». Cependant la plupart d’entre elles ne sont appliquées que dans des environnements urbains, structurés par des routes, des bâtiments et présentant assez peu de relief.
L’objectif de la thèse est de développer de nouvelles méthodes de Cross-View Geo-Localization adaptées aux environnements non-structurés, c.à.d. des zones rurales, voire des zones non-anthropisées.
Même si des images de référence existent, il peut y avoir des différences de résolution (par exemple si on doit prendre des images satellites) mais surtout l’apparence des environnements naturels changent beaucoup suivant la période de l’année (en particulier la végétation).
Des techniques très récentes d’IA pourront être envisagées pour prendre en compte cette variabilité. A noter que l’algorithme de ciblage temps réel devra pouvoir être inféré sur un système embarqué ayant une puissance de calcul limitée.
Quelques références
-Goran Paulin, Sasa Sambolek, Marina Ivasic-Kos, Application of raycast method for person geolocalization and distance determination using UAV images in Real-World land search and rescue scenarios, Expert Systems with Applications, Volume 237, Part A, 2024, https://doi.org/10.1016/j.eswa.2023.121495.
-Zhuang, Jiedong, Ming Dai, Xuruoyan Chen, and Enhui Zheng. 2021. "A Faster and More Effective Cross-View Matching Method of UAV and Satellite Images for UAV Geolocalization" Remote Sensing 13, no. 19: 3979. https://doi.org/10.3390/rs13193979
-CVPR 2021 Tutorial: "Cross-View Geo-Localization: Ground-to-Aerial Image Matching": https://www.youtube.com/watch?v=Y_8kQK4kLJU
-Kan Ren, Lei Ding, Minjie Wan, Guohua Gu, Qian Chen, Target localization based on cross-view matching between UAV and satellite, Chinese Journal of Aeronautics, Volume 35, Issue 9, 2022, Pages 333-341, https://doi.org/10.1016/j.cja.2022.04.002
-Cui, Zhuofan, Pengwei Zhou, Xiaolong Wang, Zilun Zhang, Yingxuan Li, Hongbo Li, and Yu Zhang. 2023. "A Novel Geo-Localization Method for UAV and Satellite Images Using Cross-View Consistent Attention" Remote Sensing 15, no. 19: 4667. https://doi.org/10.3390/rs15194667
Organisation des recherches
Conformément au dispositif CIFRE (https://www.anrt.asso.fr/fr/le-dispositif-cifre-7844 ), le doctorant sera embauché par la société Drone Geofencing qui assurera le suivi industriel.
L’encadrement académique sera assuré par des chercheurs de l’équipe-projet ICAR du LIRMM où se trouvent déjà actuellement deux doctorants (en 1ère et 2ème année de thèse) de Drone Geofencing en convention CIFRE.
En début de thèse, le doctorant sera essentiellement au LIRMM à Montpellier mais son temps pourra être réparti plus tard entre le laboratoire et l’entreprise située à Nîmes en fonction des phases d’avancement du projet.
Des résultats sont attendus tant d’un point de vue industriel (conception et intégration des prototypes des méthodes au sein des produits Drone Geofencing) qu’académique (publications scientifiques, participation à des conférences).
La demande de thèse CIFRE ne pourra se faire que quand le candidat doctorant aura été identifié. Pendant le temps de l’étude du dossier par l’ANRT (entre 3 et 6 mois), la société Drone Geofencing embauchera le candidat ce qui permettra de préparer les travaux de la thèse qui devrait débuter fin 2024.
Profil recherché
-Master 2 ou diplôme d’ingénieur avec de bons résultats
-Maitrise d’un langage de programmation de bas niveau (par exemple C++)
-Maîtrise d’un langage de programmation de script (par exemple Python, Golang)
-Connaissances en traitement d’images
-Expérience en apprentissage profond
-Avoir des connaissances dans les domaines suivants est un plus
-Compétences systèmes
-Les logiciels de programmation des produits de Drone Geofencing ont été développés en Angular, NestJS, Postgress SQL.
-Connaissances en cartographie numérique (Google Map, Geoportail, OSM, etc.)
-Prise d’initiative et bon relationnel : il s’agit d’un sujet collaboratif entre un industriel et une équipe académique
-Anglais scientifique courant
Pour postuler (attention, les dossiers incomplets ne seront pas étudiés)
Envoyer à l’adresse theseciblagedrone.gficar@gmail.com les 4 documents suivants qui pourront être en français ou en anglais. Privilégiez le format pdf pour les fichiers texte :
1.CV
2.Lettre de motivation (1 page max.)
3.Relevé de notes des deux derniers semestres (même provisoires)
4.Un document d’une page maximum où vous indiquerez deux références (articles scientifiques, brevets, sites Web…) accompagnées d’une petite explication (5 à 10 lignes) qui vous semblent pertinentes pour les travaux de thèse.
Vous pouvez aussi ajouter tout document que vous jugerez utile (lettre de recommandation, article…). Après une étude du dossier, des auditions avec les partenaires, industriel et académique, seront proposées.
Unique adresse de contact : theseciblagedrone.gficar@gmail.com
(c) GdR IASIS - CNRS - 2024.