Thèse Cifre Implémentation d'Algorithmes

Laboratoire d'accueil : LURPA Répartition du temps de travail : 80% LNE, 20% LURPA Localisation LNE : Paris 15ème (75) Localisation laboratoire d'accueil : Gif-sur-Yvette (91) Mots clés : partitionnement, nuage de points dense, données de référence, métrologie dimensionnelle, lidar Contexte et enjeux Ce travail de thèse a pour objectif de développer une chaîne métrologique pour la mesure de surfaces complexes par des scanners laser 3D, en assurant la traçabilité à la définition SI du mètre. Contrairement aux machines de mesures 3D tactiles, un scanner laser 3D permet de fournir un nuage de point dense en un temps réel. Les opérations de scanning 3D, initialement réalisées sur des pièces simples, peuvent être étendues à des surfaces complexes pour répondre aux nouveaux besoins industriels en matière d'automatisation de mesure en ligne (besoin incontournable de l'industrie du futur). La chaîne métrologique à développer intégrera des algorithmes de référence robustes pour le prétraitement 3D, y compris le partitionnement de nuages de points denses. Pour cela, des méthodes améliorées basée sur l'IA pour le traitement robuste et automatisé de nuages de points denses seront à développer et à valider sur un nouveau générateur de données de référence. Une large sélection de logiciels de partitionnement sera étudiée en lien avec des cas d'étude dans les domaines de la géodésie, de la logistique et de l'aérospatiale. Les données de référence à générer comprendront des géométries complexes typiques des trois cas d'étude, et la transférabilité des performances des logiciels à des résultats d'applications réelles par rapport aux données de référence sera prise en compte. Pour cela, les prédictions issues des résultats de validation numérique seront comparées aux résultats de scans obtenus à partir d'artefacts traçables à la définition SI du mètre. Une estimation des incertitudes de mesure sera réalisée en intégrant tous les éléments de la chaine métrologique. Des comparaisons et des études de cas dans les domaines de l'aérospatiale, la logistique et la géodésie seront organisées et menées avec des partenaires académiques et industriels internationaux. Objectifs et résultats attendus Le but de cette thèse est de développer des outils numériques pour le partitionnement de nuages de points mesurées sur des surfaces complexes. Des méthodes classiques ont été déjà développées dans le cadre de l'ISO GPS 18183. Dans ce nouveau projet, nous souhaitons développer des méthodes améliorées basée sur l'IA pour le traitement robuste et automatisé de nuages de points denses à valider sur un nouveau générateur de données de référence, ce qui représente un challenge considérable. Profil Les candidats doivent être titulaires d'un master (ou équivalent) en ingénierie mécanique, en mathématiques appliquées ou en informatique, avec une solide expérience en analyse numérique, en optimisation ou en informatique, mais d'autres profils appropriés seront également pris en considération. Les candidats doivent avoir une connaissance en systèmes lidars industriels pour avoir une bonne compréhension des contraintes et attendus de la thèse. Les candidats doivent avoir d'excellentes capacités d'analyse, un grand intérêt pour les modèles mathématiques pour la métrologie dimensionnelle, une expérience de la programmation et des méthodes numériques, et de solides compétences en communication (rédaction de rapport). Une connaissance pratique des outils de calcul pour la métrologie dimensionnelle et la qualité est souhaitable. La maîtrise de l'anglais écrit et oral est requise pour ce poste. #LI-LNE