Notre laboratoire dispose d'un outil de simulation d'acquisition de nuages de points 3D par divers dispositifs : caméras de profondeurs et Lidar. Il se présente sous forme d'une librairie native qui peut être utilisée dans différents contextes :

• dans la platforme Unity 3D pour une utilisation temps réel / interactif dans le cadre de simulations de réalité virtuelle
• en tant que code externe autonome pour être facilement scriptable et servir à construire des bases de données ou chercher des optimums.

Partant de cet existant, le but de ce stage est d'une part de continuer à développer cet outil :

• en améliorant le réalisme des simulations par implémentations de modèles plus complexes afin d'adresser différentes sortes de caméra de profondeur (multispectrales, par lumière cohérente) et de Lidars (fixes et mobiles).
• en accélérant les temps de calcul via une utilisation de GPUs, ce qui se fera via Nvidia Optix pour la partie lancer de rayons et de kernels Cuda pour le reste des traitements.
• en enrichissant ses données d'entrée et de sortie.

D'autre part, les usages de cet outil étant nombreux (voir figure 1 issue du logiciel Flightmare [1] développé dans le cadre de le simulation d'un drone muni de caméras couleur et de profondeur), l'étudiant abordera au moins l'un d'entre eux dans le cadre de son stage. Ce pourra être :

• la simulation temps réel d'acquisitions dans une maquette VR (dans un but de prototypage, de formation d'un opérateur, de simulation de conduite autonome ou d'apprentissage automatique voir [2]),
• la co-simulation pour vérification de l'adéquation du réel vs le simulé,
• la recherche d'une couverture optimale d'un modèle CAO donné par un nombre minimal de stations (pour un lidar fixe voir [3]) ou d'une trajectoire la plus courte possible pour un lidar / une caméra mobile.
• l'ajustement de paramètres de capteurs par apprentissage (la variation du niveau de bruit par exemple).

Bibliographie

[1] Y. Song, S. Naji, E. Kaufmann, A. Loquercio and D. Scaramuzza, Flightmare: A Flexible Quadrotor Simulator, https://arxiv.org/pdf/2009.00563.pdf [2] J. Fang, D. Zhou, F. Yan, T. Zhao, F. Zhang, Yu Ma, L. Wang, R. Yang, Augmented LiDAR Simulator for Autonomous Driving, 04/2019, https://arxiv.org/abs/1811.07112 [3] M. Giorgini, S. Marini, R. Monica and J. Aleotti, Sensor-Based Optimization of Terrestrial Laser Scanning Measurement Setup on GPU, in IEEE Geoscience and Remote Sensing Letters, vol. 16, no. 9, pp. 1452-1456, Sept. 2019, doi: 10.1109/LGRS.2019.2899681.