Académique Documents
Professionnel Documents
Culture Documents
Compétences Principales
▪ Développement d’algorithme
▪ Cartographie et Localisation
▪ Robotique
▪ Electronique / Capteurs
▪ Traitement d’image
▪ Traitement nuage des points LIDAR
▪ Mécanique / Mécatronique
▪ Enseignement / pédagogie
▪ Recherche scientifique (publication, révision d’articles etc.)
Logiciels
Formations 2022
▪ BSP UBoot et Linux embarqué, construire son propre système
▪ Linux, drivers et programmation noyau
Page 1 sur 6
FORMATION
EXPERIENCE PROFESSIONNELLE
- Refactorisation du code existant pour le rendre plus modulaire, lisible, extensible et adaptable à
différentes plateformes véhicules
o Développement modulaire d’une couche intermédiaire en charge de traduire les commandes
haut niveau générique afin de les exécuter sur chaque navette, et de traduire les status
générique vers le NAVYA drive
Page 2 sur 6
- Développement sur le projet Safety, Diagnostic & Strategy (SDS).
Les trois buts principaux du projet SDS sont :
o Concevoir un système de décision sécuritaire
o Avoir un système central et commun de prise de décision
o Permettre au véhicule de réagir plus facilement/intelligemment aux situations auxquelles il est
confronté
• Event registry :
1- Fournir un moyen homogène de déclencher des évènements
2- Fournir la possibilité d’être averti lorsque des évènement spécifiques (ou tous les
événements) se produise afin de garantir la sécurité
3- Enregistrez tous les évènements de manière appropriée
4- Indépendant de RTMAPS
• Mediator :
1- Le code de décision et de détection est divisé afin d’améliorer la sécurité
2- Le code de décision est centralisé
3- Le code de décision peut être pris en compte
4- Le code de décision est facile à tracer
Environnement et tâches :
- Développement en C++
- Revue de Code
- Test unitaire
- Version control (Git)
- Intégration
- Débogage
- Tests sur véhicules, débogage sur véhicules
Le sujet de ma thèse est d’étudier comment on peut exploiter des données qui existe à priori (exemple
OpenStreetMap) pour créer des cartes afin de localiser les véhicules avec un objectif de précision de 10
à 30 cm)
Cette étape vient avant l’algorithme de localisation
Pour ce faire, il faut cependant que les cartes restent toujours à jour.
Pour cette raison dans une deuxième partie de ma thèse je m’intéresse à exploiter les données issues
de véhicules pour enrichir cette carte et la mettre à jour.
Pour cela, je n’utilise pas des données des cameras (images) mais les données de LIDAR 3D (Velodyne
vlp-16), l’odomètre, l’IMU, et le GPS-RTK.
L’utilisation de ces données va réduire le cout de création et de mise à jour de la carte en comparaison
avec l’utilisation de véhicules spécialisé et onéreux.
Page 3 sur 6
Dans la première partie de la thèse, la localisation a été testée dans une représentation par champ de
vraisemblance de la carte. Le plan cadastral a été utilisé pour générer une grille d'occupation
probabiliste.
Cette carte de grille d'occupation a été utilisée par la suite pour localiser le véhicule. Au cours de cette
partie j'ai également étudié la qualité des données cadastrales à l'aide de deux métriques proposées.
Dans la deuxième partie de la thèse, j'ai comparé une première approche directe pour mettre à jour la
carte de grille d'occupation avec une approche proposée qui exploite les métriques précédemment
définies.
Enfin, dans la troisième partie, j'ai commencé à implémenter l'algorithme SLAM du filtre à particules en
utilisant des grilles d'occupation évidentielle (dempster-shafer). L'idée était d'exploiter la capacité du
framework evidentielle à gérer les conflits dans le processus de mise à jour de la carte.
Enfin, en perspective, j'ai souligné l'importance du MOT (Mobile Object Tracking) et de la segmentation
sémantique dans le processus de mise à jour cartographique. Cependant, ces deux techniques n'ont
pas été utilisées dans la thèse en raison de contraintes de temps.
Environnement
- Développement des algorithmes en C++ et en python.
- RTMAPS
- Statistiques
Page 4 sur 6
2017 (5,5 mois) : CEA / LIST / LRI
Ingénieur Développement SW
▪ Implémentation en C++ d’un algorithme de planification des tâches et mouvements sous incertitude
pour un robot de logistique
(Refs: Hierarchical Task and Motion Planning in the Now, Integrated Robot Task and Motion Planning
in the Now)
▪ Le robot : base mobile (Robulab10) équipe par un bras Jaco (kinova)
▪ Développement d’un environnement de simulation 2D (avec SDL2) pour simuler des taches effectuer
par une base mobile
Page 5 sur 6
Compléments :
Publications:
▪ 2019 - Intelligent Transportations Systems Conference (ITSC): Urban Localisation Inside
Cadastral Maps Using Likelihood Field Representation.
Certification
▪ CompTIA A+, CompTIA N+ ; NI CLAD certification.
Autre
▪ Organisation et/ou contribution à l’organisation de plusieurs événements à l’université : atelier +
concours de programmation,
▪ Orateur principal et organisateur d’un atelier de programmation de MCU
▪ Membre actif de la Communauté Cyber, et Science Club à ULFG III
Page 6 sur 6