Seminaires LIRIS@ECL

Prochain séminaire :

Date : Mardi 25 mars 2025 à 16h

Lieu (mode hybride) :

• Salle : Amphi 202, bâtiment W1, 2ème étage, Ecully
• Visio : https://ec-lyon-fr.zoom.us/j/91276652056

Ordre du jour :

• Exposé par Mathis Baubriaud : "Mesure automatique de l'avancement d'un chantier de construction à l'aide de la réalité mixte"

Résumé :

L’inspection automatique de chantier de construction dans le bâtiment est une problématique ardue, mais aux bénéfices importants pour les constructeurs. Le travail présenté dans cette thèse porte sur le développement et l’évaluation d’une solution de Réalité Augmentée (RA) pour le suivi automatisé de l’avancement des travaux de construction intérieurs. Face aux limites des méthodes d’inspection manuelles, chronophages et sujettes à erreurs, ce travail présente une approche novatrice exploitant la superposition du modèle BIM (Building Information Modeling) à l’environnement réel via un casque de RA. L’objectif principal est la détection et l’identification automatiques des équipements du génie climatique et électrique, dont la forme hétéroclite pose des problèmes significatifs. En vue d’une analyse complète, deux méthodes complémentaires sont étudiées : l’une, géométrique, s’appuie sur un algorithme de lancer de rayons et la reconstruction 3D de nuages de points acquis par des capteurs de profondeur ; l’autre, basée sur l’analyse d’images 2D, utilise un réseau de neurones profonds. Pour pallier le manque de données réelles d’entraînement, un processus automatisé de génération de données synthétiques à partir de modèles BIM est proposé et évalué. Les expérimentations menées sur des chantiers de construction réels démontrent le potentiel de l’approche pour une inspection plus efficace et fiable, et justifient sa plus-value dans les pratiques actuelles des équipes de chantier.

Historique des exposés :

• Di Huang, Multi-modal Visual Perception, le 20 décembre 2024.

• Zied Bouyahia, Towards an integrated framework for smart mobility, le 8 avril 2024.

• Quentin Gallouedec, Toward the Generalization of Reinforcement Learning, le 19 mars 2024.

• Guillaume Lavoué, Textured Mesh Quality Assessment: Large-Scale Dataset and Deep Learning-based Quality Metric, le 20 novembre 2023.

• Alexandre Chapin, Latent_object_centric_representation_for_robotic_manipulation, le 16 octobre 2023.

• Emmanuel Dellandréa, Présentation rapide du LIRIS, le 25 septembre 2023.

• Florian Ramousse, Réalisation d’environnements virtuels pour l’étude et l’amélioration des thérapies des troubles alimentaires, le 23 juin 2022.

• Mathis Baubriaud, Automated progress monitoring of construction work using Augmented Reality and Computer Vision, le 9 juin 2022.

• Rui Yang, Data-Efficient Early Knowledge Distillation for Vision Transformers, le 1er juin 2022.

• Théo Jaunet, Deep Learning Interpretability with Visual Analytics: Exploring Reasoning and Bias Exploitation, le 11 mai 2022.

• Nicolas Jacquelin, Automatic Sports Field Registration, le 31 mars 2022.

• Quentin Gallouédec, The exploration problem in Deep Reinforcement Learning, le 17 mars 2022.

• Jérôme Rutinowski, Logistics Research – made in Germany, le 3 mars 2022.

• Romain Vuillemot, Projet TRACKGUIDE : guidage non-intrusif de l'humain pour la réalisation de mouvements complexes, le 10 février 2022.

• Guillaume Lavoué et Patrick Baert, Réalités virtuelle et augmentée : usages, enjeux et travaux au sein de l'ECL-ENISE, le 27 janvier 2022.

• Xiangnan Yin, Segmentation-Reconstruction-Guided Facial Image De-occlusion, le 13 janvier 2022.

• Emilie Mathian, Halonet : an anomaly detection model to improve the diagnosis of lung carcinoids, le 16 décembre 2021.

• Hugues Moreau, Deep Learning for Temporal Multidimensional Signals - an Application to Transport Mode Detection, le 2 décembre 2021.

• Thomas Duboudin, Discovering "hidden" patterns in data to improve deep networks generalization, le 25 novembre 2021.

• Emmanuel Dellandréa, Présentation rapide du LIRIS, le 25 novembre 2021.