STAGE - Deep learning et identification de normales sur nuages de points - F/H THALES

Lieu : Elancourt, France

Construisons ensemble un avenir de confiance

Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d'activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l'environnement et plus inclusif. Le Groupe investit près de 4 milliards d'euros par an en Recherche & Développement, notamment dans des domaines clés de l'innovation tels que l'IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 81 000 collaborateurs dans 68 pays.

Nos engagements, vos avantages

• Notre savoir-faire technologique

• Notre attention portée à l'équilibre des collaborateurs

• Un environnement inclusif et bienveillant

• Un engagement sociétal et environnemental reconnu (Thales Solidarity, indice CAC 40 ESG…)

Votre quotidien

Au coeur de Saint Quentin en Yvelines, le site d'Elancourt est un des centres d'excellence technologique Thales les plus importants. La diversité et la technicité des systèmes et équipements mobilisent des savoir-faire dans plus de 80 métiers dans les solutions de défense, de sécurité de haute technologie et de services numériques.

Thales développe un système de veille infrarouge aéroporté permettant de détecter des objets (aéronefs, missiles, nuages, points chauds au sol, etc.), de les suivre temporellement et de les classifier afin de n'envoyer que les menaces (aéronefs, missiles) au système de combat de la plateforme.

Les travaux proposés dans ce stage s'inscrivent dans le cadre du développement des produits et systèmes optroniques aéroportés de Thales LAS, et visent à améliorer les performances des algorithmes de reconstruction d'imagerie active LIDAR.

En effet, le traitement de nuages de points provenant de capteurs tels que les LiDARs présente un certain nombre de défis, lorsqu'ils sont attachés à un porteur mobile ou fixe présentant des contraintes d'accessibilité. Ceci est vrai par exemple pour le cas d'usage des voitures autonomes, où la compréhension de la scène doit se faire à la volée avec l'impossibilité de tourner autour des objets ou de la scène pour mieux la comprendre.

En conséquence, ces nuages de points sont le plus souvent :

• Partiels (l'accessibilité de la scène par le capteur étant généralement assez limitée)
• Relativement « creux »/ « sparses » (sans consolidation, les objets capturés ne le sont pas que par leur partie qui font face au capteur)
• Non 2-manifolds et non watertights (présence de structures fines à une dimension, et difficulté à obtenir une définition claire de la notion d'intérieur/extérieur des objets capturés)

On peut trouver dans la littérature différentes classes de méthodes qui adressent un ou plusieurs des éléments mentionnés plus haut. Des méthodes comme celle présentée par [R. Xu et al. 2023] cherchent à rendre la reconstruction de nuage de points robuste à la présence de structures fines (mais suffisamment échantillonnés) ainsi qu'à la présence d'objets non fermés. D'autres classes de méthodes telle que [Malić et al. 2025] proposent de reconstruire les normales d'un nuage de points (ce qui est une étape essentielle à la reconstruction d'une surface, mais aussi à sa visualisation) à partir d'un réseau de neurones profonds (transformer) entrainé sur des données synthétiques.

Dans le cadre de ce stage, il s'agira d'explorer ces différentes possibilités, tout en prenant en compte les spécificités des données d'acquisition qui lui seront fournies. Il s'agira aussi d'évaluer ces méthodes par rapport à des approches plus simples telles la PCA pour le calcul de normales ou la reconstruction de surface de Poisson (pour la définition / le calcul de la surface elle-même). Cette évaluation se fera à la fois sur les données de la littérature, ainsi que sur les données d'acquisitions qui lui seront fournies. Une attention devra aussi être attachée à la frugalité des ressources de calcul demandées par les méthodes explorées.

En nous rejoignant, vous vous verrez confier les missions suivantes :

• Appropriation de la problématique et analyse bibliographique (1 mois)

• Implémentation et étude de différentes approches retenues (3 mois)

• Evaluation et comparaison des performances (1 mois)

• Rédaction d'un rapport de stage et d'un rapport d'étude interne (1 mois)

Votre profil

Vous cherchez votre stage de fin d'études de 6 mois en traitement d'images et du signal ?

Vous avez des connaissances solides en traitement d'images et du signal ?

Vous maîtrisez les langages Python et PyTorch (ou TensorFlow) ?

On vous reconnait pour votre rigueur et votre investissement ?

Alors ce stage est fait pour vous !

Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d'études.Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout. Postulez et rejoignez nous !

Chez Thales, nous sommes fiers de travailler ensemble pour imaginer des solutions innovantes qui contribuent à construire un avenir plus sûr, plus vert et plus inclusif. Un avenir de confiance. Mais ces technologies ne viennent pas de nulle part. L'intelligence humaine est le moteur derrière la technologie qui fait la renommée de Thales. Les projets que nous conduisons sont complexes et nos clients exigeants. Pour répondre aux besoins actuels et futurs de nos clients, nous maîtrisons plus d'une centaine de disciplines, de l'optique à la physique quantique, du traitement du signal à la connectivité et à l'intelligence artificielle. Rejoindre Thales, c'est repousser les limites de la technologie et la mettre au service du progrès et du développement durable de nos sociétés. C'est donc être au cœur d'une formidable aventure technique. Une attention portée à l'équilibre des collaborateurs au service de leur réussite. C'est pourquoi, notamment, nous nous efforçons de créer un environnement de travail accueillant et d'accorder la flexibilité nécessaire à l'équilibre entre vie professionnelle et vie personnelle. Nous savons que cet équilibre est essentiel à votre épanouissement et à la réussite des projets que nous vous confierons. Des parcours professionnels riches. Chez Thales, nous jouons collectif. Ce qui signifie travailler en équipe, côtoyer des experts et donc apprendre et développer ses compétences en permanence tout en faisant bénéficier le Groupe de son savoir-faire. C'est aussi la possibilité d'évoluer, de changer de fonction ou d'activité, voire de pays.