Hoang Long DUONG

Navigation visuelle d'un drone urbain sans GNSS

Stage R&D · Astek Research Network · Toulouse, France

Dans un environnement urbain dense, les signaux GNSS (GPS) subissent de fortes dégradations à cause du canyon urbain et des multi-trajets, rendant la géolocalisation classique peu fiable. Ce projet de recherche vise à évaluer les performances d'un dispositif de perception multi-caméras latérales embarqué sur micro-drone, exploitant les façades d'immeubles comme références visuelles pour se géolocaliser sans dépendre du GPS. J'ai réalisé l'état de l'art sur l'odométrie visuelle multi-caméras, formalisé les verrous scientifiques du problème, développé la modélisation analytique de deux approches d'estimation de position, puis conçu un simulateur numérique en Python permettant de caractériser la sensibilité du système via une analyse Monte-Carlo. La validation expérimentale est menée sur des images réelles et des flux vidéo de scènes urbaines pour confronter les performances théoriques aux conditions opérationnelles.

Résultats de simulation L'analyse Monte-Carlo (2000 tirages) a validé la cohérence du modèle avec la théorie : l'écart entre les résultats simulés et le comportement théorique reste < 5% sur toute la plage étudiée. L'étude paramétrique met en évidence la sensibilité du modèle vis-à-vis de ses différents paramètres, permettant de réduire significativement l'erreur d'estimation de position en régime opérationnel.

Détails techniques soumis à confidentialité (C2 · Diffusion Contrôlée).

Perception & IA embarquée pour véhicule autonome

Projet PGE · autOCampus · Toulouse, France

Développement d'un véhicule autonome connecté (VACOP) intégrant perception multi-capteurs, localisation précise, cartographie dynamique et téléopération 5G, sur plateforme embarquée NVIDIA Jetson Orin NX 16 GB. En tant que membre de l'équipe Perception, j'ai participé à l'intégration d'un pipeline d'inférence IA temps réel — détection d'objets (YOLO), segmentation de zone roulable (TwinLiteNet), classification de feux tricolores, le tout optimisé TensorRT FP16 — et au prototypage d'un nœud ROS 2 de fusion LiDAR-Caméra pour l'estimation 3D des obstacles à destination du planificateur de trajectoire Nav2. L'architecture logicielle est entièrement containerisée (Docker / Docker Compose) et communique via ROS 2 Humble.