Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Mise en œuvre d'un capteur SPAD-dTOF et algorithmes associés de reconstruction 3D H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2022-23219  

Description de l'unité

Le CEA / LETI (Laboratoire d'Electronique et des Technologies de l'Information) à Grenoble est un des centres de recherche technologique leaders mondiaux en matière de NTIC (Nouvelles Technologies de l'Information et de la Communication). Sa mission première est de développer des solutions innovantes dans ses différents domaines de compétence, et de les transférer à l'industrie dans le cadre de partenariats industriels afin de répondre aux besoins de marchés à forte croissance.

Dans cet environnement technologique et humain de classe mondiale, le département Optique et Photonique (DOPT) se positionne comme un acteur clé de l'imagerie, apportant à ses partenaires des solutions innovantes, de la technologie jusqu'aux systèmes en passant par les composants.

Au sein de ce département, le laboratoire L3I a pour mission de développer des solutions intégrées pour l'acquisition et le traitement d'images ainsi que la visualisation. Ses compétences en conception de Circuits Intégrés analogiques et mixtes, en architecture de systèmes électroniques et en algorithmes de traitement d'image lui permettent d'adresser les grands enjeux du domaine en intégrant des fonctionnalités nouvelles ainsi que des capacités d'analyse et de prise de décision au plus proche des futurs capteurs d'image qui intègreront ainsi localement davantage d'intelligence.

Description du poste

Domaine

Technologies micro et nano

Contrat

Stage

Intitulé de l'offre

Mise en œuvre d'un capteur SPAD-dTOF et algorithmes associés de reconstruction 3D H/F

Sujet de stage

Mise en œuvre d'un imageur SPAD-dTOF et algorithmes associés de reconstruction via deep learning

Durée du contrat (en mois)

6 mois

Description de l'offre

Avec l’amélioration récente des performances des systèmes LIDAR (LIght Detection And Ranging), leur intégration au sein de divers dispositifs matériels tend désormais à se démocratiser. Parmi ces technologies, on retrouve –côté capteur– des imageurs basés sur des pixels SPAD (Single Photon Avalanche Diode). En mode de fonctionnement dit « direct Time of Flight » (dToF), ces capteurs d’image ont pour tâche d’horodater les retours photoniques issus d’un éclairement flash (e.g., à l’aide d’un laser) et donc de pouvoir inférer les distances du capteur aux objets de la scène observée. Or, du fait du niveau de luminosité ambiante, cet horodatage est généralement fortement perturbé par les photons non issus de la source lumineuse associée au lidar. Afin de pallier ce problème, le schéma d’acquisition « Time Correlated Single Photon Counting » (TCSPC) propose de collecter un grand nombre de mesures au travers d’un histogramme de temps de vols ; ces données étant par la suite débruitées et traitées afin d’en extraire différentes informations.

Dans le contexte de travaux actuels, le CEA-Leti développe des approches de lecture et concepts d’architectures de ce type d’imageur. Ces travaux, ayant donné lieu à plusieurs publications, s’appuient sur des notions avancées de traitement du signal, soit d’estimation paramétrique en ligne (on-line Expectation-Maximization) soit d’acquisition compressive (Compressive Sensing). Les résultats de ces études préliminaires démontrent des performances significativement supérieures à l’état de l’art lorsqu’appliquées sur des données synthétiques, notamment lorsque combinées à des approches de reconstruction issues d’un apprentissage profond (Deep Learning).

L’objectif de ce stage consistera à confirmer les différents avantages clefs des techniques développées dans un contexte d’usage plus réaliste que celui de simples simulations. Pour ce faire, il est prévu d’une part que le stagiaire prenne en main la mise en route d’un nouveau prototype de capteur fourni par un de nos partenaires, et intégré au sein d’une plateforme d’imagerie multi-capteurs développée au CEA. D’autre part il devra être en mesure de mettre en œuvre et adapter les différents algorithmes/codes actuellement disponibles. Cela permettra de réaliser une campagne de mesure de données brutes sous forme d’histogrammes de temps de vol, que l’on pourra par la suite utiliser pour entrainer et qualifier ces algorithmes.

Si les résultats s’avèrent à la hauteur de nos attentes, une publication scientifique est envisageable. Enfin, il sera aussi possible de déployer la simulation de nos architectures système pour un traitement à la volée et temps-réel des données capteur.

Moyens / Méthodes / Logiciels

Python, TensorFlow

Profil du candidat

Cette proposition est dédiée aux étudiants recherchant un stage au contenu technique exigent et désirant acquérir une expérience dans la recherche technologique. Ce sujet est particulièrement adapté aux étudiants ayant une appétence à la fois pour la mise en pratique concrète (capteur non conventionnel, drivers matériels) mais aussi pour les concepts théoriques avancés (Compressive Sensing, Deep Learning). La poursuite en doctorat n’étant pas prévu sur cette thématique, elle sera toutefois possible notamment au travers d’offres sur des thématiques connexes.

L’étudiant devra présenter un niveau équivalent de dernière année d’école d’ingénieur (ou master 2) avec de préférence une spécialité en traitement du signal et/ou apprentissage profond. Le candidat devra notamment posséder les compétences techniques en informatique nécessaires à la prise en main d’un nouveau type de capteur (drivers, grabber, format de données). Une expérience antérieure en deep learning ou en traitement du signal avancé au sens large sera grandement appréciée.

L’étudiant devra présenter en outre une bonne capacité de travail personnel, être force de proposition et démontrer une motivation pour les défis techniques. Enfin, il découvrira les différentes missions d'un chercheur dans le cadre d'un environnement de transfert industriel de technologies.

Localisation du poste

Site

Grenoble

Localisation du poste

France, Auvergne-Rhône-Alpes, Isère (38)

Ville

Grenoble

Critères candidat

Langues

Anglais (Courant)

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

Ecole ingénieur ou Master Recherche

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

01/03/2023