Home › Projects

Projects

  • Coordinatrice de l’ ANR  ICUB (2018-2022) : Imagerie Non Conventionnelle pour une mobilité sécurisée en milieu Urbain icub.projets.litislab.fr/

Aide demandée : & 484 000 euros
Durée du projet : & 48 mois
Partenaires académiques : & LITIS, LE2I
Partenaires industriels : & StereoLabs, Peugeot PSA
Description : Dans le cadre des systèmes d’aide à la conduite avancée (ADAS), le projet ICUB propose de relever le défi de réaliser un système capable de détecter les obstacles routiers en toutes circonstances : obstacles dynamiques, présence d’objets réfléchissants, de flaques d’eau sur la chaussée, conditions météo dégradées ou obstacles lointains. Ce projet présente un ensemble cohérent allant de l’acquisition à la détection des obstacles par leur sémantique et leur distance. En ce qui concerne notre système imageur, celui-ci comportera un couple stéréo polarimétrique. La détection des obstacles se fera par fusion des informations données par deux modalités : la polarimétrie et la carte de profondeur obtenue par stéréovision. L’objectif majeur de la multimodalité est de tirer profit conjointement des avantages de l’imagerie polarimétrique pour la discrimination à une échelle fine des objets, et de l’information de profondeur pour estimer la distance de l’obstacle par rapport au véhicule et par conséquent son degré de dangerosité. L’utilisation de l’imagerie non conventionnelle représente une alternative intéressante aux méthodes de détection existantes en se basant sur des propriétés traduisant l’interaction surface/lumière plutôt que sur des propriétés scalaires ou géométriques. Le projet ICUB est un projet de recherche collaboratif qui réunit deux laboratoires de recherche (LE2I, LITIS) et deux partenaires industriels (Stereolabs et PSA), complémentaires de par le fait que les laboratoires répondent à une demande particulière des industriels par les algorithmes de détection et les partenaires industriels mettent en application le prototype ainsi conçu et étudient sa fiabilité et ses limitations en conditions réelles.

  • PIA 3- Projet TIGA Mobilité intelligente pour tous, 2020-2030

Porteur :Métropole Normandie
Financement :  Etat
Partenaires :  INSA, Univ. Rouen, ESIGELEC, Groupe RENAULT, MOV’EO, La poste, ENEDIS,
Transdev, NAE, Atmo, Pôle Tes, Vinci, l’Institut Carnot, Citeos, MIN Rouen, WWF,
Novalog, Normandie Energies, IDIT, Vedecom, RTMAD, CESI, CODAH
Groupe de Travail :  Véhicule Autonome

Description : Le projet « Mobilité Intelligente pour tous » dans le cadre du PIA 3 – TIGA « Territoire d’Innovation et Grandes Ambitions » a pour objectif de repenser intégralement le système de mobilité pour concevoir une offre intégrant tous les modes, tous les services et tous les usagers. En se positionnant comme chef d’orchestre d’un écosystème d’acteurs de la mobilité, la Métropole de Rouen Normandie entend par ailleurs animer les initiatives et proposer un système qui puisse véritablement assurer la continuité des déplacements et diminuer la place de la voiture.
Dans ce projet, j’ai représenté mon équipe de recherche et mon laboratoire au sein du groupe de travail véhicule autonome. J’ai participé à la rédaction de l’aspect recherche autour de l’analyse de scènes routières, la fusion de données multi-capteurs et l’intelligence artificielle adaptés aux cas d’usage de la région Normandie. Ce projet m’a permis de donner une visibilité à nos travaux de recherche au LITIS et tisser plusieurs collaborations au niveau de la région Normandie. C’est un effet levier important pour des retombées scientifiques et techniques très prometteuses.

  • Projet RIN INCA, 2019-2022

Porteur : LITIS
Financement :  Région Normandie (RIN)
Partenaires : GREYC
Montant demandé :  310 KE
Responsabilité :  Fusion de données image-audio pour la navigation autonome
Retombées pour l’équipe STI :  Financement de PostDoctorat de Yasser Omar

Description : Le projet INCA décliné « Interaction Naturelle avec des Compagnons Artificiels » a pour objectif de développer en Normandie les connaissances scientifiques et techniques liées aux compagnons artificiels (robots de service et d’assistance, agents conversationnels) en se concentrant en particulier sur les interactions sociales. Les modèles développés se focalisent sur deux environnements applicatifs pertinents pour de futures applications en robotique sociale et en environnement pour l’apprentissage humain.
Ma contribution dans ce projet concerne la fusion de données audio et données perception pour apprendre au robot à naviguer dans un environnement inconnu et à prendre la décision nécessaire pour interagir avec l’humain. Les techniques qui seront utilisées sont les méthodes empruntées au SLAM Visuel auxquelles on rajoute la modalité audio afin d’aider le robot à interagir efficacement avec son environnement. Un post doctorant, Omar Yasser, co-encadrée avec un membre de mon équipe, a été recruté en Janvier 2020 pour travailler sur la fusion perception-audio pour la navigation du robot.

Porteur : Valeo
Financement : Ministère de l’Environnement
Partenaires académiques: IFFSTAR, INRIA Paris Rocq, UVSQ
Partenaires industriels: Citilog, Tecris, Mediamobile,Comsis, Sopemea, Civitec, Clemsy,, Navecom
Montant demandé : 3 millions d’euros
Responsabilité : Détection de piétons par multimodalité
Retombée pour le LITIS : Financement de la thèse de Alina Miron

Descriptif : Le but du projet Co-drive est de valider l’approche pré-industrielle d’un système de conduite coopératif entre Usager, Véhicule et Infrastructure pour proposer une route intelligente, sécurisée et apaisée, au service d’une mobilité durable. Le c\oe ur de ce projet, concerne l’utilisation combinée d’un Smartphone et d’un dispositif embarqué de détection. Le système conçu via le projet Co-Drive appelé SAGERI offre au conducteur un panel de services : mesure des interdistances, rappel des limitations de vitesses sur zone, information trafic, détection d’obstacles. etc. Ma contribution dans ce projet concerne la détection d’obstacles routiers dans n’importe quelles conditions (météo dégradée, tunnel,…). La solution que j’ai proposée pour ce faire, est de combiner la stéréovision, dans le but d’estimer la profondeur de la scène, la vision conventionnelle et la vision infrarouge afin d’appréhender les obstacles routiers même la nuit. Ce travail rentre dans le cadre de la thèse de Alina Miron qui a été entièrement financée par ce projet.

Porteur : C. Le Guyader (LMI), N. Forcadel (LMI).
Financement :  Région Haute-Normandie, FEDER.
Partenaires :  CEREMA, LMI, CORIA, Esigelec.
Montant demandé :  33 000 euros (2014) et 66 040 euros par la Région et 153 400 euros par le FEDER (2015).
Responsabilité :  Responsable du sous work-package « analyse des scènes routières ».
Retombée pour le LITIS :  Financement du stage de spécialité de Ding Shuang (3 mois) en 2017 et d’un stage M2 à partir de Mars 2018

Descriptif : Le cœur de ce projet M2NUM, financé par le Conseil Régional de Normandie et le FEDER (Fonds européen de développement économique et régional), concerne la modélisation mathématique de problèmes issus de diverses applications. Il est porté par le LMI, laboratoire de mathématiques de l’INSA de Rouen. Il s’est déroulé en 2 tranches, l’une en 2014-15 (financement à hauteur de 33000 euros par la Région) et l’autre en 2015-19 (financement à hauteur de 66040 euros par la Région et 153400 euros par le FEDER). Les axes sont : imagerie, énergies, éco-mobilité et physique. Dans le cadre de l’axe Imagerie, nous nous attachons à développer des méthodes de reconstruction 3D de scènes routières par les systèmes embarqués.
Je suis chargée dans ce projet de développer la partie analyse de scènes routières par stéréovision. La démarche que je propose est basée sur la séparation de source afin de séparer l’image en composante grossière et composante détails. Cette dernière contiendra également le bruit qui peut atteindre l’acquisition. La mise en correspondance se portera uniquement sur les parties grossières des images stéréo. Ceci rentre dans le cadre du stage de spécialité de Ding Shuang (Juin-Août 2017) qui sera co-encadré par Anastasia Zakharova du LMI et moi même. Nous allons également, via ce projet, proposer un stage recherche M2 pour Mars-Août 2018.

Porteur : Esigelec
Financement :  GRR EEM, institut Carnot ESP, Interreg IVA (France-Angleterre)
Partenaires : Esigelec, Université de Kent (GB)
Montant demandé : 280 000 euros
Responsabilité : Localisation à long terme
Retombée pour le LITIS : Financement de la thèse de Fabien Bonardi                                               

Descriptif : Le projet SAVEMORE vise à évaluer l’impact, la faisabilité et la valeur ajoutée d’un petit véhicule intelligent et autonome de livraison en milieu urbain. L’objectif du projet SAVEMORE est double : il s’agit d’une part, d’analyser comment une flotte de véhicules électriques peut être utilisée pour la livraison en ville et d’autre part d’établir la preuve de concept de véhicule autonome pour la livraison en développant des solutions innovantes. La réalisation de ces objectifs donnera lieu à des démonstrations.
Ma contribution dans ce projet concerne l’utilisation de la multimodalité pour se localiser dans un endroit inconnu. La démarche entreprise est l’étude de la meilleure association descripteur/détecteur qui s’adapte à la multimodalité (SWIR, Visible) afin de mettre en correspondance des séquences d’images prise de jour comme de nuit ou à des saisons différentes avec celles d’une base de données existante. Ce projet finance la thèse de Fabien Bonardi.

Porteur : LITIS

Retombée pour le LITIS :  partenariat académique avec NVIDA

Partenaires : Greyc, NVIDIA

Description : En 2015, j’ai participé au montage d’un projet au sein de la fédération Normastic appelé Deep in Normandy. Un partenariat académique a été demandé et accepté par NVDIA. J’ai activement participé à la demande de ce partenariat. Dans ce projet, la fédération a montré l’importance du réseau de neurones profond connu sous le nom de « Deep learning » pour toutes les applications de la fédération à savoir l’imagerie médicale, le traitement d’images, le traitement de signal et le véhicule intelligent. Je me suis occupé, de ce fait, de rédiger pour ce projet toute la partie Deep pour le véhicule. Ce projet a permis d’une part une forte collaboration entre les différents laboratoires en Normandie (LITIS, Greyc) et via le partenariat académique avec NVDIA de bénéficier de cartes GPU très performantes telles que la K40 et la K80 pour les applications autour du Deep learning. Ce projet de recherche est à la base du projet ANR Deep in France.

Porteur : LITIS
Financement :  ANR
Partenaires : Greyc, INRIA Grenoble, I3S, LIP6, LIF
Montant demandé : 800 000 euros
Responsabilité : Deep learning pour la mobilité intelligente et la navigation autonome, multimodalité
Decription : Le projet de recherche collaboratif Deep in France vise à élargir les frontières de l’apprentissage profond en associant l’informatique massivement parallèle à l’apprentissage automatique. Il est financé par l’ANR à hauteur de $800 000 euros$. Sa vision est de développer la théorie et de nouveaux algorithmes d’apprentissage profond pour faciliter l’utilisation généralisée de l’apprentissage en profondeur pour différents domaines d’applications sous explorés tels que la perception intégrée, la compréhension de scènes audio ou vidéo et la robotique. Ma participation dans ce projet concerne l’application des réseaux profonds aux domaines de recherche auxquels je m’intéresse, à savoir à la navigation autonome et aux systèmes embarqués plus particulièrement pour l’analyse de scènes routières et la localisation plus particulièrement dans le cadre de la multimodalité (visible, infrarouge, polarimétrie).