Stage - Données 3D pour applications de Réalité Virtuelle H/F (Systèmes d'information)

Description de l'offre

Domaine : Systèmes d'information

Contrat : Stage

Description du poste :

La quantité des données 3D scannées type nuage de points est aujourd’hui en croissance exponentielle. Ce développement est dû à la démocratisation des systèmes de capture tels que les caméras de profondeurs RGBD, les caméras 360 stéréo ou les algorithmes de reconstruction de nuage de points basés sur des méthodes MVG (Multiple View Stereo-vision) à partir d’un ensemble de photos. Le laboratoire LSI développe des solutions logicielles de visualisation de nuage de points massifs streamés (plusieurs milliards de points) en réalité virtuelle (octopcl). Afin d’exploiter plus efficacement ces données brutes, il est intéressant de pouvoir interagir avec en temps réel (collision, cinématique, manipulation fine...). Pour cela, il est envisagé dans ce stage de tester plusieurs solutions algorithmiques afin de générer des représentations 3D (maillages, ensemble de primitives simples, surfaces analytiques...) compatibles avec les moteurs physiques temps réel.
L’objectif de ce stage consistera à développer des algorithmes de reconstuction de surface à partir de nuages de points (maillage et/ou ensemble de primitives simples) de la manière la plus automatique possible. Ces reconstructions devront être optimisées pour un emploi temps réel en réalité virtuelle. Le développement se basera sur les plateformes du laboratoire (octopcl/interact) dans l’environnement Unity3D.

Références bibliographiques
[1] Berger, Matthew & Tagliasacchi, Andrea & Seversky, Lee & Alliez, Pierre & Guennebaud, Gaël & Levine, Joshua & Sharf, Andrei & Silva, Cláudio. A Survey of Surface Reconstruction from Point Clouds. In Computer Graphics Forum, 2016.
[2] Schnabel, Ruwen & Wahl, Roland & Klein, Reinhard Efficient RANSAC for point-cloud shape detection. In Computer Graphics Forum, 2007.
[3] Li, Lingxiao & Sung, Minhyuk & Dubrovina, Anastasia & Yi, Li & Guibas, Leonidas. Supervised Fitting of Geometric Primitives to 3D Point Clouds. In CVPR, 2019.
[4] Kaiser, Adrien & Ybanez Zepeda, Jose & Boubekeur, Tamy. A Survey of Simple Geometric Primitives Detection Methods for Captured 3D Data. In Computer Graphics Forum, 2018.


En dernière année de diplôme d'Ingénieur ou en Master 2
Vous avez des compétences techniques en géométrie algorithmique.
Vous maitrisez : les langages C++/Cuda/C#, Plateforme Unity 3D, Git.

Ville : Palaiseau