Transformer les données spatiales 3D brutes en modèles géométriques précis, prêts pour la production, et en logiciels de perception. Je me spécialise dans le développement de workflows personnalisés de vision par ordinateur 3D, d'algorithmes de traitement de nuages de points LiDAR et de pipelines d'apprentissage profond 3D utilisant Open3D, PyTorch3D et OpenCV.
Ce que je propose
- Traitement et filtrage de nuages de points : réduction de la densité (grille voxel), suppression du bruit, filtrage des valeurs aberrantes et estimation des normales de surface.
- Registrement et alignement 3D : alignement global et registration locale (ICP / point le plus proche itératif) pour la fusion de scans et le SLAM.
- Segmentation de nuages de points et boîtes englobantes 3D : suppression du plan du sol, ajustement géométrique RANSAC (sphères, cylindres, plans), et détection d'objets 3D.
- Génération et reconstruction de maillages : conversion des nuages de points bruts en maillages CAD 3D propres (reconstruction de surface Poisson, Ball Pivoting).
- Apprentissage profond 3D : modèles PointNet++, VoxNet ou MinkowskiEngine pour la segmentation sémantique et la classification 3D.