Thèse Nouvelles Methodes de Mesure des Vagues H/F - Doctorat.Gouv.Fr
- CDD
- Doctorat.Gouv.Fr
Les missions du poste
Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Mécaniques Energétiques et MAtériaux pour l'InGénierie Laboratoire de recherche : IFP Energies Nouvelles - Physico-chimie et Mécanique appliquées Direction de la thèse : Frédéric DIAS ORCID 0000000251234929 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-10-13T23:59:59 À IFP Energies nouvelles, des méthodes innovantes sont développées pour mesurer les vagues de surface océaniques sur une large gamme d'échelles spatio-temporelles, avec des applications dans les énergies marines renouvelables et l'océanographie. Dans le cadre de ce projet de thèse, de nouvelles techniques seront mises au point pour « scanner » les champs de vagues à partir d'images capturées par des drones équipés de caméras simples, soit par acquisition d'une image unique (un seul drone), soit par acquisition stéréoscopique (deux drones volant à proximité l'un de l'autre).
Ces approches par drone permettraient d'accéder à des mesures du champ de vagues sur des zones plus étendues que les systèmes stéréoscopiques fixes, couvrant des longueurs d'onde allant de quelques dizaines de centimètres à plusieurs centaines de mètres. Elles seraient également facilement adaptables aux conditions ambiantes, tant en termes de luminosité que de caractéristiques des vagues.
Il existe aujourd'hui un vaste corpus de données d'imagerie de vagues, publiques et privées, avec ou sans données de référence au sol (« ground truth »). Toutefois, ces données ne semblent pas refléter toutes les variations et incertitudes possibles liées à la luminosité et au mouvement rencontrées en conditions réelles. Par conséquent, les approches par drone nécessitent des développements spécifiques pour prendre en compte les variations et incertitudes concernant l'éclairage et le positionnement des caméras. De plus, les approches modernes basées sur une image unique reposent sur des méthodes d'apprentissage profond (*deep learning*) et nécessitent donc la création de jeux de données d'entraînement adaptés.
Pour relever ces défis de manière originale et économique, les données réelles seront complétées par des simulations dans un environnement virtuel photoréaliste, qui sera développé par le doctorant. Les jeux de données synthétiques ainsi obtenus serviront à entraîner et à développer des méthodes de mesure - tant pour l'image unique que pour la stéréoscopie - capables d'estimer le déplacement de la surface ainsi que les incertitudes associées.
Plusieurs campagnes de mesures en mer seront également menées afin d'ajuster les paramètres du simulateur aux conditions environnementales réelles, d'enrichir la base de données d'entraînement et de valider quantitativement les approches développées à l'aide de mesures *in situ*.
Le doctorant travaillera sur un sujet prometteur et hautement interdisciplinaire, à la croisée de la science des données et de l'apprentissage automatique, de l'informatique visuelle, de l'hydrodynamique et de l'océanographie. Le candidat développera ainsi une expertise en mécanique des fluides pour la simulation de l'état de la mer, en vision par ordinateur pour l'estimation des conditions océaniques à partir d'images, et en synthèse d'images pour simuler des acquisitions réalistes visant à soutenir l'entraînement de modèles dans un contexte où les données de référence au sol sont rares. Le doctorant travaillera sur un sujet prometteur et hautement interdisciplinaire, à la croisée de la science des données et de l'apprentissage automatique, de l'informatique visuelle, de l'hydrodynamique et de l'océanographie. Developper une expertise en mécanique des fluides pour la simulation de l'état de la mer, en vision par ordinateur pour l'estimation des conditions océaniques à partir d'images, et en synthèse d'images pour simuler des acquisitions réalistes visant à soutenir l'entraînement de modèles dans un contexte où les données de référence au sol sont rares.
Ces approches par drone permettraient d'accéder à des mesures du champ de vagues sur des zones plus étendues que les systèmes stéréoscopiques fixes, couvrant des longueurs d'onde allant de quelques dizaines de centimètres à plusieurs centaines de mètres. Elles seraient également facilement adaptables aux conditions ambiantes, tant en termes de luminosité que de caractéristiques des vagues.
Il existe aujourd'hui un vaste corpus de données d'imagerie de vagues, publiques et privées, avec ou sans données de référence au sol (« ground truth »). Toutefois, ces données ne semblent pas refléter toutes les variations et incertitudes possibles liées à la luminosité et au mouvement rencontrées en conditions réelles. Par conséquent, les approches par drone nécessitent des développements spécifiques pour prendre en compte les variations et incertitudes concernant l'éclairage et le positionnement des caméras. De plus, les approches modernes basées sur une image unique reposent sur des méthodes d'apprentissage profond (*deep learning*) et nécessitent donc la création de jeux de données d'entraînement adaptés.
Pour relever ces défis de manière originale et économique, les données réelles seront complétées par des simulations dans un environnement virtuel photoréaliste, qui sera développé par le doctorant. Les jeux de données synthétiques ainsi obtenus serviront à entraîner et à développer des méthodes de mesure - tant pour l'image unique que pour la stéréoscopie - capables d'estimer le déplacement de la surface ainsi que les incertitudes associées.
Plusieurs campagnes de mesures en mer seront également menées afin d'ajuster les paramètres du simulateur aux conditions environnementales réelles, d'enrichir la base de données d'entraînement et de valider quantitativement les approches développées à l'aide de mesures *in situ*.
Le doctorant travaillera sur un sujet prometteur et hautement interdisciplinaire, à la croisée de la science des données et de l'apprentissage automatique, de l'informatique visuelle, de l'hydrodynamique et de l'océanographie. Le candidat développera ainsi une expertise en mécanique des fluides pour la simulation de l'état de la mer, en vision par ordinateur pour l'estimation des conditions océaniques à partir d'images, et en synthèse d'images pour simuler des acquisitions réalistes visant à soutenir l'entraînement de modèles dans un contexte où les données de référence au sol sont rares. Le doctorant travaillera sur un sujet prometteur et hautement interdisciplinaire, à la croisée de la science des données et de l'apprentissage automatique, de l'informatique visuelle, de l'hydrodynamique et de l'océanographie. Developper une expertise en mécanique des fluides pour la simulation de l'état de la mer, en vision par ordinateur pour l'estimation des conditions océaniques à partir d'images, et en synthèse d'images pour simuler des acquisitions réalistes visant à soutenir l'entraînement de modèles dans un contexte où les données de référence au sol sont rares.
Le profil recherché
N/A
Compétences requises
- Mécanique des fluides