Projets de recherche

Segmentation sémantique de nuages de points LiDAR acquis avec des systèmes de télémétrie mobile dans des mines souterraines

Description

La compagnie Point Laz a développé un nouveau système innovant permettant d'effectuer la surveillance des puits de mines souterraines. Celui-ci comporte des caméras dédiées à la localisation du système, des caméras dédiées à l'inspection visuelle et des capteurs LiDAR permettant de numériser en 3D l'environnement. Son mode opératoire consiste à le faire descendre le long d'un câble situé au centre du puits. Le traitement des données issues des systèmes LiDAR mobile afin d'en faire la segmentation et classification demeure un problème difficile compte tenu de la nature même des nuages de points. Récemment, les approches exploitant les réseaux de neurones profonds ont émergé. Cependant, elles exploitent en grande partie des architectures développées pour des images. Plusieurs travaux ont investigué l'utilisation du nuage de points dans sa forme native 3D. Cependant, on constate que ces travaux s'inscrivent principalement dans le contexte des véhicules sans chauffeur et de la robotique. Pour ce qui est des architectures de réseaux de neurones profonds, les nuages de points ont fait l'objet d'une grande attention et de plusieurs articles de recension ces dernières années. Ceux-ci mettent en évidence la grande diversité des architectures applicables et donc la difficulté de sélectionner celle adaptée au contexte applicatif visé.

L'objectif général du projet de recherche est de concevoir et développer une solution basée sur les réseaux de neurones profonds permettant de réaliser la segmentation sémantique de nuages de points 3D acquis avec le système de Point Laz, et qui soit adaptée à l'inspection de puits de mines souterraines. La démarche méthodologique anticipée implique le conditionnement des nuages de points de manière à s'adapter au contexte des puits de mines et au système de Point Laz et l'exploration de solution en lien avec le manque de données étiquetées.

L'étudiante ou l'étudiant participera au développement de technologies de pointe dans plusieurs domaines qui connaissent un essor remarquable (i.e. l'intelligence artificielle, les réseaux de neurones profonds, les balayeurs laser 3D, les jumeaux numériques 3D) et elle/il contribuera également à la définition de nouvelles méthodes dans des contextes peu explorés (ex. adaptation des réseaux de neurones profonds aux nuages de points LiDAR et au contexte minier). Le projet lui permettra d'acquérir les compétences multidisciplinaires et professionnelles requises dans un contexte où les compétences transversales (i.e. savoir travailler en synergie avec des acteurs multidisciplinaires, savoir inventer de nouvelles façons de résoudre des problèmes) deviennent essentielles à la collaboration au sein de projet d'envergure et à lui assurer ainsi une meilleure intégration professionnelle. L'étudiante ou l'étudiant aura des occasions uniques de réseautage avec le partenaire industriel Point Laz et de se familiariser avec les réalités industrielles de la recherche.

Domaines de recherche

- Lidar
- Intelligence artificielle
- Réseaux de neurones profonds
- Jumeaux numériques 3D
- Contexte minier

Directeur de recherche

Sylvie Daniel

Milieu de recherche

Centre de recherche en données et intelligence géospatiales (CRDIG)

L'étudiante ou l'étudiant impliqué(e) dans cette recherche sera membre du CRDIG. Ce centre de recherche lui offrira un milieu de recherche stimulant et un environnement d'accueil et de formation de qualité. Ses nombreuses activités scientifiques, conférences et séminaires contribuent de manière significative à l'enrichissement du savoir et des connaissances. Les ressources présentes au sein du CRDIG offriront également de l'aide en manipulation et analyse d'informations géospatiales notamment LiDAR, en intelligence artificielle, en modélisation 3D, en informatique nuagique et en rédaction d'articles scientifiques. Le CRDIG pourra également fournir du soutien au moment d'utiliser des serveurs de calculs et du traitement multi-GPU lors de l'entrainement des réseaux de neurones profonds.

L'étudiante ou l'étudiant impliqué(e) dans cette recherche aura aussi accès à des équipements spécialisés de pointe (i.e. serveur informatique; plateforme de télémétrie mobile, …) et à des jeux de données acquis et documentés au préalable grâce à la collaboration avec le partenaire. L'accès à de tels jeux de données (aussi bien brutes qu'étiquetés), aux plateformes les ayant acquises, et aux métadonnées relatives à l'acquisition, constitue un avantage significatif au moment de concevoir des méthodes de traitement de ces données.

Site web


Soutien financier disponible par programme d’études

Maîtrise en sciences géomatiques - avec mémoire

Description du programme

Soutien financier disponible*

Financement en lien avec le projet de recherche

20000$ par année pendant 2 années.

Le financement est assuré pour deux ans par une subvention Mitacs. Une bourse de 20 000$/an sera versée à la personne choisie.

Financement en lien avec le programme d'études

Bourses de réussite

Étapes
Prime
Projet de recherche approuvé dans le cours de méthodologie avant la fin de la 2e session 
600 $
Dépôt initial du mémoire OU passage accéléré au doctorat avant la fin de la 5e session
1 000$
Total 1 600$

Financement en lien avec l'Université Laval

Sources de financement Montant
Bourses de leadership et d'engagement (Canadiens et résidents permanents) 10 000$
Bourses citoyennes et citoyens du monde (étudiants étrangers) 20 000$
Bourse de mobilité Stage Hors-Québec
1 000$
Bourses d’études supérieures des organismes subventionnaires
14 100$ à 21 000$
Répertoire électronique des bourses de deuxième cycle
500$ à 50 000$

* Présentation du soutien financier maximal disponible. Certaines conditions s'appliquent. Sujet à changement sans préavis. Pour plus d'information, renseignez-vous auprès des organismes responsables.

Profil recherché

- Informatique
- Génie géomatique

Exigences et conditions

- La personne candidate devra avoir un profil lié au génie géomatique ou à l'informatique et devra démontrer une bonne maitrise des outils de programmation.
- Des connaissances relatives à l'apprentissage machine et aux réseaux de neurones profonds ainsi qu'une expérience dans la mise en œuvre de librairie d'apprentissage machine / d'apprentissage profond seraient un atout.
- La personne choisie doit démontrer des aptitudes à travailler dans une équipe multidisciplinaire.

Documents exigés

- Lettre de motivation
- Curriculum vitæ
- Relevé de notes
Inclure les coordonnées de deux références.

Date limite pour postuler

12 mai 2021

Pour plus d'information

Sylvie Daniel
Professeur Département des sciences géomatiques
Département des sciences géomatiques
sylvie.daniel@scg.ulaval.ca