Doctorant F/H Estimation du mouvement des structures par une méthode de flux optique alternative combinant les approches parcimonieuses et particulaires

Le centre Inria Rennes - Bretagne Atlantique est un des huit centres d’Inria et compte plus d'une trentaine d’équipes de recherche. Le centre Inria est un acteur majeur et reconnu dans le domaine des sciences numériques. Il est au cœur d'un riche écosystème de R&D et d’innovation : PME fortement innovantes, grands groupes industriels, pôles de compétitivité, acteurs de la recherche et de l’enseignement supérieur, laboratoires d'excellence, institut de recherche technologique

Présentation des équipes

Le projet est porté par l’équipe de recherche I4S qui est commune entre Inria et l’Université Gustave Eiffel.

Inria : Inria est l’institut français de recherche en sciences et technologies du numérique. Ce centre de recherche public d’excellence scientifique est en première ligne de la transformation digitale en France. La recherche en informatique, mathématiques, intelligence artificielle (AI), le développement logiciel, l’innovation dans les disciplines à fort impact technologique et le risque entrepreneurial (DeepTech) constituent l’ADN de l’institut. Inria est en 16ème place du classement mondial “AI Research” et est le 1er institut européen de recherche exploratoire en sciences du numérique.

Université Gustave Eiffel : L’Université Gustave Eiffel est une université française, expérimentale et multi-campus, spécialisée dans l’étude des villes et des processus d’urbanisation. Elle s’engage à promouvoir l’excellence académique, la recherche de pointe et l’innovation, tout en favorisant la collaboration interdisciplinaire et les partenariats avec les acteurs de l’industrie et de la société civile. Leader en France sur la ville durable, elle représente un quart de la recherche française sur cette thématique. Elle dispose des plateformes expérimentales uniques et d’une nouvelle énergie pour répondre aux enjeux de la ville du futur, aux enjeux des transitions économiques, environnementales, énergétiques et sociétales auxquels nous sommes et serons confrontés.

I4S : L’équipe I4S (Inferences for Structures) est spécialisée dans le monitoring de santé des structures (SHM), i.e. essayer de prédire, catégoriser, localiser et quantifier les défauts ou dommages pouvant apparaître sur des structures de génie civil, électriques, (bio)-mécaniques, énergétique ou aéronautiques, etc. Pour ce faire, il est nécessaire de croiser des données et savoir-faire multiples tels que de la simulation physique numérique, du traitement des données, développement de capteurs, intégration de l’électronique embarquée, de la propagation d’incertitudes statistiques,etc.

Contexte général

Suite à de récents évènements tragiques (Gênes, Mirepoix, . . . ), un rapport sénatorial (2019) a pointé l’état de santé vieillissant des ouvrages d’art en France, et la nécessité d’évaluer rapidement l’état de santé des structures à tout moment. À l’heure actuelle, le suivi d’ouvrages est assuré par des inspections visuelles régulières, et localement par des prélèvements et carottages sur la structure. Ce type d’approche du suivi présente certaines limites en nombre d’ouvrages ausculté, en réactivité et en durée. En parallèle, une approche, dite non destructive, a été initiée depuis de nombreuses années en instrumentant les structures de divers capteurs. L’accès à l’état interne de la structure est moins direct et nécessite des compétences spécifiques, mais cette approche reste préférable et pérenne.

L’approche instrumentale a fait émerger la discipline de monitoring de santé des structures (Structural Health Monitoring – SHM), qui vise sur le long terme à satisfaire les 4 objectifs suivantes: détection et localisation de dommages, identification/catégorisation et quantification de l’intensité des dommages. L’instrumentation conventionnelle utilise un réseau de capteurs ponctuels, e.g., des accéléromètres, judicieusement placés afin d’obtenir la réponse vibratoire de la structure par des techniques avancées de traitement du signal. Des outils d’analyse permettent ensuite le suivi de la signature vibratoire et ainsi de remplir les 4 objectifs du SHM [6].

À terme, le suivi à base de capteurs ponctuels peut limiter l’approche instrumentale dans sa capacité de détection, d’analyse et de coût de mise en oeuvre. Dans ce contexte, l’équipe I4S s’intéresse depuis plusieurs années à la solution alternative d’utiliser des capteurs continus ou distribués. Notamment les systèmes d’imagerie sans contact permettent une analyse plein champ de la structure, e.g., système laser TLS, radar hyperfréquence GB-SAR, capteur vidéo. Parmi ces solutions, les capteurs vidéo suscitent un regain d’intérêt depuis une dizaine d’années, grâce aux progrès technologiques combinés en termes de résolution, coût, vitesse d’acquisition et de calculs, capacité de stockage. À l’aide de techniques de traitement d’images spécifiques, les capteurs vidéo permettent à moindre coût d’évaluer le déplacement de la structure en tout point de l’image avec une précision subpixellique [8].

L’équipe I4S a investi ce champ de recherche pour le SHM depuis 2018 et a identifié quelques méthodes numériques, dont la combinaison pourrait avantageusement contribuer à améliorer l’estimation du mouvement. Ces améliorations permettraient également d’envisager la possibilité de la fusionner avec des techniques d’analyse vibratoire du signal estimé telles que l’identification en sous-espaces stochastiques (Stochastic Subspaces Identification – SSI) afin de concevoir des méthodes de SHM basées sur l’imagerie.

Objectifs et orientations de la thèse

L’objectif principal de thèse est de permettre une analyse SHM plus performante des structures de génie civil à partir de capteurs vidéos dans des conditions réelles. Pour ce faire, la thèse propose de développer des traitements alternatifs innovants pour améliorer la première étape du processus de SHM, à savoir, la sélection de zones/pixels d’intérêt dans l’image, et l’estimation du mouvement proprement dit. Enfin, la thèse explorera la possibilité de simplifier le processus de SHM basé sur l’imagerie en regroupant plusieurs étapes.

1. Détermination de zones d’intérêts et/ou pixels actifs par LRR :
Dans l’approche utilisée dans les travaux en cours, le mouvement est quantifié à partir de zones d’intérêts dans l’image, i.e., éléments de frontière de la structure et/ou pixels actifs dont l’intensité varie le plus dans la séquence d’images vidéos. La sélection des zones/pixels nécessite un prétraitement spécifique. En alternative aux méthodes de prétraitement actuelles, on évaluera dans cette thèse la famille de méthodes appelées Low Rank Representation (LRR) [4, 7]. Elles se basent sur une representation parcimonieuse de la séquence d’images vidéo, et permettent de réduire drastiquement la dimension de l’espace des données. Ces méthodes ont donné lieu à une activité de recherche importante [1] et trouvent des applications dans les nombreux domaines impliquant la vision par ordinateur (computer vision) et ont également un grand impact en “big data”. Le laboratoire I4S a réalisé en 2022 une pré-étude à ce sujet, et testé une des nombreuses variantes de cette famille, i.e., Go Decomposition (GoDec), sur des images de faible résolution.

2. Estimation du mouvement de la structure par LBM :
En alternative à la méthode du flot optique, utilisée actuellement [5], la thèse cherchera à évaluer l’exploitation de la méthode Lattice Boltzmann (LBM) pour estimer le mouvement de la structure. Cette méthode particulaire offre un formalisme généralisant la méthode du flot optique, et en comparaison, a l’avantage de prendre en compte dans l’algorithme l’image antérieure et postérieure à l’image courante. En outre, la LBM n’a pas besoin de recourir à des marqueurs dans l’image pour estimer le mouvement [2, 3].Dans le cadre de la thèse, la LBM pourrait apporter une précision de mesure supérieure à celle du flot optique conventionnel, sans surcharge de calcul supplémentaire. Le calcul du mouvement serait limité aux pixels/zones parcimonieuses identifiées par le prétraitement LRR introduit précédemment.
Une analyse statistique déterminera les incertitudes d’estimation de mouvement avec les méthodes développées, ainsi que l’amplitude de vibration minimale de la structure qui sera nécessaire pour pouvoir effectuer des analyses SHM par la suite.

3. Fusion des 2 premières étapes du processus de SHM :
Les étapes d’estimation de mouvement de la structure et de son analyse vibratoire par SSI sont actuellement réalisées de manière séquentielle. En s’appuyant sur une vectorisation des images, cette thèse explorera la possibilité de réaliser la SSI directement à partir de la série d’images vidéos vectorisées. La grande taille de cette matrice 2D peut constituer un écueil important à la faisabilité de cette approche.

La création d’une cohorte de tests permettra d’évaluer le plus exhaustivement possible les différents algorithmes de manière systématique dans différentes conditions (images synthétiques avec et sans bruit, avec mouvements oscillants ou mouvement aléatoires, cas de laboratoires et séquences d’images in-situ). Cette cohorte exploitera les différentes expériences déjà menées au laboratoire et sera enrichie tout au long de la thèse. Une attention particulière sera portée à la sensibilité aux bruits de ce nouvel algorithme ainsi que la vitesse de calcul.

References

[1] Thierry Bouwmans, Sajid Javed, Hongyang Zhang, Zhouchen Lin, and Ricardo Otazo. On the Applications of Robust PCA in Image and Video Processing. Proceedings of the IEEE, 106(8):1427–1457, August 2018.
[2] Guang-Tai Ding, Shu-Qing Li, and Dan-Xia Luo. Optical Flow Analysis Based on Lattice Boltzmann Method and Lower Order Approximation with Relaxation Factors. In 2010 International Conference on Multimedia Technology, pages 1–4, October 2010.
[3] Guang-Tai Ding, Dan-Xia Luo, and Shu-Qing Li. Image sequence segmentation based on the formal lattice Boltzmann equation and its lower order approximation. In 2010 International Conference on Audio, Language and Image Processing, pages 815–820, Shanghai, China, November 2010. IEEE.
[4] Zhi Gao, Ruifang Zhai, Pengfei Wang, Xu Yan, Hailong Qin, Yazhe Tang, and Bharath Ramesh. Synergizing Appearance and Motion With Low Rank Representation for Vehicle Counting and Traffic Flow Analysis. IEEE Transactions on Intelligent Transportation Systems, 19(8):2675–2685, August 2018.
[5] Jaka Javh, Janko Slavič, and Miha Boltežar. The subpixel resolution of optical-flow-based modal analysis. Mechanical Systems and Signal Processing, 88:89–99, May 2017.
[6] Alexander Mendler, Michael Döhler, Carlos E Ventura, and Laurent Mevel. Localizability of damage with statistical tests and sensitivity-based parameter clusters. Mechanical Systems and Signal Processing, 204:110783, 2023.
[7] John Wright and Yi Ma. High-Dimensional Data Analysis with Low-Dimensional Models: Principles, Computation, and Applications. Cambridge University Press, 1 edition, January 2022.
[8] Bian Xiong. Video-Based Vibration Analysis for Structural Health Monitoring in Civil Engineering. PhD thesis, Rennes 1, Nantes, France, December 2021.

Compétences techniques et niveau requis : une autonomie certaine en langage de programmation (Matlab, Python, C++ et/ou Julia) est requise. Un esprit de synthèse et des qualités rédactionnelles sont attendus.

Langues : Anglais

Compétences additionnelles appréciées : une expérience en détection de mouvement serait un plus.

• Restauration subventionnée
• Transports publics remboursés partiellement
• Possibilité de télétravail à hauteur de 90 jours annuels
• Prise en charge partielle du coût de la mutuelle

salire mensuel brut 2100€ les 2 premières années et 2200€ la troisième