Contexte
Nous cherchons à localiser des interfaces entre fluides (air et eau) en 3D, et aussi pouvoir les suivre au cours du temps, tout en mesurant des champs de déplacement 3D de particules fluides. Pour cela, des particules solides sont ajoutées dans l’eau et éventuellement sur l’interface. Elles sont éclairées par un laser et filmées depuis plusieurs points de vue (typiquement 4) avec une fréquence suffisamment élevée pour avoir des déplacements petits par rapport à la distance moyenne entre particules. Cela donne des images du type de celle donnée sur la figure ci-après. Le déplacement des particules est alors obtenu par des techniques de suivi de particules et l’interface est reconstruite comme enveloppe du nuage de particules. Une étape importante de ce suivi est l’étape de détection des particules dans les images et de reconstruction de ce nuage de particules. La difficulté ici est la taille des particules (environ 3 pixels de diamètre), le bruit et le grand nombre de particules (chevauchement). C’est cette étape que nous souhaitons améliorer au cours du stage.
Méthodologie
Deux approches ont été testées pour l’instant: une approche avec détection de pics locaux puis triangulation et une approche via des processus ponctuels marqués et du recuit simulé. Elles ne sont pas complètement opérationnelles et devront être finalisées, testées et comparées. Plusieurs approches de deep learning commencent à émerger dans la littérature. Ainsi nous souhaiterions faire un état de l’art de ces méthodes et développer une méthode adaptée à notre problématique spécifique.
Les codes développés jusqu’à présent sont en C++. La méthode de suivi de particules est basée sur du Cohérent Point Drift. Les méthodes pour calibrer les caméras sont opérationnelles. Des bases de données avec des images expérimentales ou synthétiques existent et seront utilisées pour le développement, mais le candidat pourra assister à des expériences de mesure classiques en mécanique des fluides.
Profil recherché
Nous cherchons un étudiant inscrit en M2 de spécialité traitement du signal et de l’image ou sciences des données ou informatique avec une expérience de programmation en C++, Python.
Encadrants
Benoit TREMBLAIS
Laboratoire XLIM, UMR CNRS 7252
Téléphone : +33(0)5 49 49 65 90
benoit.tremblais@univ-poitiers.fr
Lionel THOMAS
Institut Pprime, UPR CNRS 3346
Téléphone : +33(0)5 49 49 69 43
lionel.thomas@univ-poitiers.fr
Lieu du stage
Institut Pprime, Equipe HydEE (Hydrodynamique, Ecoulements Environnementaux)
Université de Poitiers, UPR 3346, 11 Boulevard Marie et Pierre Curie
TSA 51124, 86073 Poitiers Cédex 9, France
Durée du stage
6 mois (février-juillet 2026)
Mots-clefs
3d Particle Tracking Velocimetry, processus ponctuels marqués, coherent point drift, deep-learning
