Ingénieur développement logiciel de traitement de données radars embarqués sur engin mobile (H/F)

Missions

L’ingénieur de recherche (H/F), recruté sur 4 mois sera impliqué sur le prototypage et évaluation d’un pipeline séquençant des briques logicielles de perception 3D sur données radar en environnement extérieur. L’objectif est de lever des alarmes pour anticiper des collisions entre un engin manipulateur-mobile et les agents mobiles (piétons, obstacles, autres véhicules) lorsque ce dernier exécute ses tâches de navigation. Ces briques portent sur la perception de l’environnement au voisinage immédiat de l’engin mobile (détection, suivi et classification des obstacles perçus) à partir d’un système multi-radars embarqué sur l’engin. Les capteurs proprioceptifs de l’engin seront également considérés pour prévoir ses mouvements spatiotemporels et ainsi mieux prédire les éventuelles collisions. Le pipeline sera tout d’abord évaluée sur une banque de données pré-enregistrées en contexte réel.

Activités

• Acquisition, manipulation (rosbags) et labellisation de données capteurs extéroceptifs.
• Développement d’algorithmes de perception 3D en C/C++/Python.
• Machine learning sur données radar.
• Intégration de briques logicielles de perception 3D sur calculateur NVIDIA.
• Intégration et démonstration sur robot mobile du laboratoire (facultatif).

Contexte de travail

Cet emploi s'inscrit dans le cadre d'un projet R&D interne à l’équipe d’accueil ( du LAAS-CNRS. Le but est de développer un système multi-radars embarqué sur un robot mobile, voire un engin de chantier, afin de détecter des situations accidentogènes. Le recruté travaillera au sein de l’équipe en concertation avec deux permanents de l’équipe spécialistes respectivement en Robotique et Computer Vision.

Profil recherché

Competences :

Cette offre s’adresse spécifiquement à un(e) titulaire d’un Master ou titre d’ingénieur en informatique (et robotique) avec une bonne connaissance des langages de programmation usuels.

• Connaissances en perception 3D et machine learning: OpenCV, librairies et architectures neuronales (pytorch, etc.)
• Connaissances en robotique mobile et de manipulation
• Notions d’implémentation temps réel d’algorithmes
• Curiosité scientifique
• Autonomie, travail en équipe

Contraintes et risques

néant