Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

24 juin 2019

Thèse - Dispositif Itinéraire Chercheur Entrepreneur - Region Bourgogne


Catégorie : Doctorant


Afin de promouvoir l’émergence d’entreprises à forte valeur ajoutée, la Région Bourgogne Franche Comté finance des contrats de thèse de 3 années intégrant une double compétence recherche et entrepreneuriat/management : il s’agit du programme "Itinéraire Chercheur Entrepreneur - ICE”.

 
Les lauréats de ces allocations de thèse seront mis en situation pour :
- acquérir une solide formation technique dans le domaine d’activité de la future entreprise grâce à leur travail de thèse ;
- se préparer dès le début de la thèse et en parallèle de leur travail de thèse à une création d’entreprise fondée sur leur activité de recherche.
 
D. Ginhac, Professeur au laboratoire ImVIa (Imagerie et Vision Artificielle) de l’Université de Bourgogne propose un sujet de thèse présélectionné par la Région lors de la phase 1 de ce concours ICE. Le sujet porte sur la conception d’une nouvelle caméra à grande dynamique (voir sujet ci-dessous). Les thématiques abordées sont Traitements d’images, programmation informatique, Intelligence artificielle, Vision embarquée, …
 
Si vous êtes intéressés, merci d’envoyer un email de candidature avec votre CV et votre lettre de motivation à D.Ginhac (dginhac@u-bourgogne.fr) et B. Heyrman (heynar@u-bourgogne.fr) avant le 2 juillet 12h.
Attention, ce dispositif de financement est très spécifique. Les candidats potentiels devront impérativement indiquer leur motivation à créer une entreprise basée sur les travaux de thèse.

Le candidat sélectionné sera auditionné le 9 juillet entre 15h et 20h dans les locaux d’UBFC à Besancon devant un jury de sélection composé des chefs d’entreprises, de représentants de la région, de BPI, … et de membres de la communauté universitaire. L’audition de 20 minutes comprendra 10 minutes de présentation suivie de 10 minutes de questions.
 
Pour toute question, merci de contacter D.Ginhac (dginhac@u-bourgogne.fr) et B. Heyrman (heybar@u-bourgogne.fr)
 

Cette thèse a pour objectif d’étudier et de développer une architecture de caméra High-Dynamic Range (HDR) permettant de surpasser les limites actuelles des caméras actuelles tout en garantissant un coût cible compatible avec les applications visées.

En effet, une caméra standard (dite non HDR) est capable de capturer seulement une partie de l’information d’une scène alors que cette même scène pourra être perçue pleinement par le système visuel humain. Cela se vérifie plus particulièrement pour des scènes réelles dans lesquelles la différence d’intensité lumineuse entre les zones sombres et les zones éclairées est grande. Dans ce cas-là, une caméra standard ne sera pas capable de stocker toute la gamme dynamique de la scène et perdra inévitablement des détails dans les zones faiblement éclairées (pixels saturés dans le noir) et fortement éclairées (pixels saturés dans le blanc). S’il est possible aujourd’hui de concevoir en micro-électronique des capteurs HDR, leur coût de développement est relativement prohibitif les limitant inévitablement à des niches applicatives. De ce fait, la grande majorité des travaux menés dans le domaine s’est focalisée sur l’exploitation des données issues des caméras standards (dites Low Dynamic Range – LDR) afin d’en extraire une plus grande dynamique. La technique classiquement utilisée est l’acquisition successive de plusieurs images de la scène en faisant varier l'exposition. Cet ensemble d'images est ensuite combiné afin de produire l’image finale à grande dynamique. Cette technique d’exposition multiple a reçu beaucoup d’attention ces dernières années, notamment du point de vue logiciel (retouche photographique) avec pour objectif principal le rendu d’images HDR de scènes fixes. Par contre, peu de travaux s’intéressent au domaine de la vidéo HDR alors qu’il serait très intéressant d’avoir à disposition des caméras HDR capables de produire en temps réel du contenu à grande dynamique. Ainsi, Le travail proposé dans cette thèse a pour objectif principal de développer un système de vision matériel et logiciel capable d’acquérir, de générer et d’exploiter du contenu HDR, à la cadence du capteur d’image.
 
Dans le cadre du projet Hidralon (2009-2012), notre équipe a conçu et validé un premier prototype de caméra HDR capable de générer du contenu HDR en temps réel à partir de 3 images acquises successivement. Dans le cadre du projet Plein-Phare (2014-2018), ce prototype a été amélioré en insérant dans la chaine de traitement des algorithmes de suppression des artefacts dus au mouvement des objets dans la scène.
En s’appuyant sur l’expertise accumulée pendant toutes ces dernières années, l’objectif de cette thèse est donc de développer une nouvelle génération de caméra HDR surclassant les systèmes actuels en. Les enjeux et les retombées de ces travaux sont multiples sur le plan logiciel et matériel, en terme d’acquisition et de stockage d’images, en terme de traitement en temps réel du flot vidéo d’images et en terme de restitution d’images de grande qualité.
 
Description des travaux à mener
Les travaux envisagés comprennent trois axes complémentaires :
Premièrement, il s’agira de réfléchir à une gestion intelligente des différentes acquisitions de telle manière à capturer et restituer la meilleure dynamique de la scène. Pour cela, nous envisageons de développer une intelligence artificielle capable de déterminer le nombre d’acquisitions nécessaires et les temps d’acquisition de chacune des images composant la scène, en fonction de la dynamique réelle de la scène (plus la dynamique est élevée, plus le nombre d’images doit être important) et en fonction du mouvement dans la scène (plus le mouvement est important, plus le nombre d’images doit être limité pour éviter les artefacts). A l’heure actuelle, les prototypes conçus au laboratoire utilisent systématiquement 3 images et ne sont pas capables de s’adapter en fonction de la scène.
Deuxièmement, il s’agira d’améliorer la gestion des objets en mouvement, entrainant des artefacts et limitant ainsi la qualité du contenu HDR. De nombreux travaux sur l’imagerie HDR utilisant des techniques d’apprentissage profond (Deep Learning) ont vu le jour ces dernières années. Bien évidemment leur complexité en temps de calcul les rend incompatibles avec les contraintes d’une caméra HDR en temps réel. Cependant, les techniques mises en œuvre peuvent être simplifiées et adaptées afin de les exploiter au sein d’une caméra HDR. Ainsi, nous envisageons de développer des algorithmes HDR en Deep Learning pouvant être exécutés sur des GPU embarqués (Nvidia Jetson ou Xavier par exemple).
Troisièmement, il s’agira d’exploiter le flux HDR produit par notre caméra en embarquant des traitements spécifiques tirant profit de la dynamique des vidéos. Ce troisième volet sera le cœur de l’exploitation des travaux, décrit dans la prochaine section
 
Applications potentielles et valorisation des résultats du travail de thèse
Les deux premiers axes développés dans la thèse nous permettront d’avoir à disposition un nouveau prototype de caméra HDR surclassant les précédentes générations grâce à une capture intelligente de la dynamique de la scène et à une génération HDR de meilleure qualité par élimination efficace des artefacts de mouvement. L’exploitation de ces résultats pourra se faire dans 2 champs d’applications différents.
Le premier concerne le domaine de la video-surveillance. En effet, ce domaine est confronté au problème de la dynamique des scènes, plus importante que la dynamique des capteurs (par exemple, le visage d’un suspect à l’ombre n’est pas reconnaissable sur une vidéo lorsqu’il y a des phares de voiture ou un contre-jour dans l’image). Le marché de la vidéo surveillance est un marché déjà existant avec de nombreux réseaux de caméras déjà installés, pour lesquels l’apport de la grande dynamique constituerait une plus-value indéniable. Ainsi, l’idée serait de fournir non pas une caméra HDR complète mais seulement un module matériel capable de s’interfacer avec des caméras existantes (permettant le pilotage de l’acquisition), de générer un contenu HDR exploitable, et de réaliser des traitements adaptés (détection de personnes, reconnaissance de plaques d’immatriculation, …). Grâce à une sélection adéquate des algorithmes utilisés, le module matériel développé pour la vidéo-surveillance pourrait nécessiter des ressources limitées (faible consommation, faible puissance) le rendant attractif au niveau budget pour une large diffusion au sein des réseaux de caméras de surveillance.
Le deuxième domaine d’exploitation est celui du véhicule autonome, confronté lui aussi à la problématique de grande dynamique. En effet, le pilotage automatique d’un véhicule repose sur une estimation très précise de l’environnement dans lequel il évolue. Cette estimation repose notamment sur les données captées par le véhicule et notamment des caméras. Les conditions de luminosité étant très variables entre le jour et la nuit, les véhicules doivent toujours être en mesure de « voir » l’environnement même dans des conditions extrêmement difficiles. L’apport de l’HDR dans ce contexte est indéniable d’où la nécessité de produire un système de vision HDR combinant rapidité de production de vidéo HDR et grande fiabilité de traitement. En s’appuyant sur des composants beaucoup plus puissants tels que des GPU embarqués (Nvidia Xavier par exemple), il serait alors possible de proposer une caméra HDR capable de produire et d’analyser en temps réel l’environnement du véhicule (détection d’obstacles, de piétons, de voitures, reconnaissance de la signalisation) avec des taux de réussite supérieurs à ceux obtenus aujourd’hui avec des systèmes non HDR.
 
 
Type d’entreprise qui pourrait être créée en valorisant les résultats
En fonction du travail menés dans les différents axes scientifiques et technologiques de la thèse, l’exploitation des résultats peut être envisagé selon 2 stratégies :
•Stratégie dite « low end » avec le développement bas coût de modules HDR pouvant s’interfacer avec des caméras existantes pour des applications ne nécessitant pas forcément une grande fiabilité. C’est le cas typique de la vidéo-surveillance dans laquelle une amélioration même faible de la dynamique et des traitements associés permettrait d’améliorer significativement le fonctionnement des systèmes.
•Stratégie dite « high end » avec le développement à coût plus élevé de caméras HDR sur mesure pour des applications critiques. C’est le cas typique du véhicule autonome dans lequel un système HDR permettrait d’améliorer significativement la perception et l’analyse de l’environnement.
De manière globale, le marché de la vidéo HDR est en pleine expansion (estimation de 37 milliards de dollars en 2022). Les domaines plus restreints de la vidéo surveillance HDR et des caméras HDR pour véhicule autonome sont aussi très actifs avec des taux de croissance annuelle proches des 10%.
L’objectif est donc de tirer parti de ces marchés à forte croissance en s’insérant dans une démarche active de création de startup dès le début de la thèse. Les débouchés potentiels des solutions HDR proposées seront évalués précisément en s’appuyant sur les relations étroites, tissées avec les partenaires industriels des différents projets collaboratifs cités précédemment.
En s’appuyant également sur les ressources locales (incubateur, SATT, …), il sera alors possible de définir le plan d’actions de la startup (marché adressable, positionnement de l’offre, recherche des premiers clients, …)
Au final, la réussite de cette thèse et la création d’une startup permettraient de capitaliser 10 années de R&D ayant conduit au développement de plusieurs générations de prototypes de caméra HDR et produit de nombreuses valorisations académiques (brevet, publications, conférences).
 
Compétences requises
Sur le plan scientifique, le candidat devra avoir des compétences en traitement d’images, en intelligence artificielle, en programmation informatique. Des connaissances en vision embarquée temps réel seraient un plus.
Sur le plan humain, le candidat devra avoir de bonnes capacités à travailler en groupe, à assimiler de fortes charges de travail (en raison du caractère très entrepreneurial du financement proposé), un gout élevé des challenges (startup à créer).
 
Contact
Pr. Dominique Ginhac - dginhac@u-bourgogne.fr
Dr. Barthélémy Heyrman - heybar@u-bourogogne.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.