Catégorie : Uncategorized

Séminaires CeRVIM-IID-ICRA-2024, étudiants du Norlab, Université Laval
Pratique pour le congrès ICRA 2024

Programme complet (avec résumés des présentations)

Le vendredi 19 avril 2024, 14h00-16h00, PLT-2501

Résumé du programme :

Saturation-Aware Angular Velocity Estimation: Extending the Robustness of SLAM to Aggressive Motions
Simon-Pierre Deschênes, 3e cycle

DRIVE: Data-driven Robot Input Vector Exploration
Dominic Baril, 3e cycle

Field Report on a Wearable and Versatile Solution for Field Acquisition and Exploration
Olivier Gamache, 3e cycle

Comparing Motion Distortion Between Vehicle Field Deployments
Nicolas Samson, 2e cycle

Les présentations seront données en anglais et les diapos seront en anglais.

Séminaire CeRVIM : Détection de la pose d’objets enchevêtrés avec des surfaces spéculaires pour la saisie robotique autonome à faible coût

Jean-Christophe Ruel
Laboratoire de robotique
Dép. de génie mécanique, Université Laval

Le jeudi 11 avril 2024, 11h00, PLT-2750

Résumé
L’objectif de ce projet de recherche est de développer une méthode de vision numérique à faible coût pour la saisie autonome robotique d’objets réfléchissants. Plus spécifiquement, l’étude se concentre sur l’estimation de la pose à 6 degrés de liberté et la détection d’objets ayant des surfaces spéculaires dans un amas d’objets. Nous présentons des composants matériels, notamment une caméra et un anneau multiflash synchronisé, ainsi qu’une contribution à l’algorithme Fast Directional Chamfer Matching. Les résultats mettent en évidence la faisabilité de la méthode pour détecter et estimer la pose d’objets dotés de surfaces réfléchissantes, particulièrement ceux présentant plusieurs symétries.

La présentation sera donnée en français et les diapos seront en français.

Pour obtenir le lien d’accès pour la rencontre sur Zoom, SVP contacter :
Annette.Schwerdtfeger@gel.ulaval.ca

Séminaire CeRVIM-IID : Multiplexing fluorescence microscopy images with multi-dimensional deep networks

Catherine Bouchard
Laboratoire de Vision et Systèmes Numériques, LVSN, U. Laval
Laboratoire de Flavie Lavoie-Cardinal, FLC-Lab, U. Laval

Vendredi, le 15 mars 2024, 13h30, PLT-3904

Résumé
L’étude des interactions complexes entre toutes les protéines impliquées dans les processus biologiques nécessite l’imagerie simultanée d’autant de cibles que possible. L’imagerie de temps de vie de la fluorescence (Fluorescence lifetime imaging, FLIM) mesure le délai entre l’excitation et l’émission de chaque photon pour aider à discerner son émetteur, ce qui permet d’obtenir une image multicolore à partir d’une seule acquisition. Les algorithmes développés pour cette tâche sont généralement appliqués pixel par pixel, en utilisant une seule dimension (la distribution du délai mesuré), et n’exploitent donc pas une source d’information précieuse qui s’étend sur plusieurs pixels : l’organisation spatiale des protéines. Nous avons développé une méthode qui exploite un réseau neuronal profond multidimensionnel qui traite simultanément toutes les dimensions de l’image (temporelle et spatiale) afin de mieux attribuer un émetteur à chaque photon pour les images FLIM. Cette méthode s’avère plus précise que les méthodes pixel par pixel dans les cas où le nombre de photons est limité, comme dans l’imagerie de super-résolution des cellules vivantes, car elle utilise simultanément les caractéristiques spatiales de l’image et les informations temporelles. Elle peut également servir de méthode de débruitage non supervisée, ce qui améliore encore ses performances pour les images à faible bruit. La méthode peut être entraînée sur des images partiellement simulées et appliquée à des acquisitions réelles, ce qui permet de l’utiliser dans les nombreux cas expérimentaux où il n’est pas possible d’acquérir des ensembles de données d’entraînement.

La présentation sera donnée en anglais et les diapos seront en anglais.

Séminaire CeRVIM : DarSwin: Distortion-Aware Radial Swin Transformers for Wide Angle Image Recognition
https://openaccess.thecvf.com/content/ICCV2023/papers/Athwale_DarSwin_Distortion_Aware_Radial_Swin_Transformer_ICCV_2023_paper.pdf

Akshaya Athwale
Laboratoire de Vision et Systèmes Numériques, LVSN
Dép. de génie électrique et de génie informatique, U. Laval

Vendredi, le 16 février 2024, 11h00, PLT-3370

Résumé
Wide-angle lenses are commonly used in perception tasks requiring a large field of view. Unfortunately, these lenses produce significant distortions, making conventional models that ignore the distortion effects unable to adapt to wide-angle images. In this research, we present a novel transformer-based model that automatically adapts to the distortion produced by wide-angle lenses. Our proposed image encoder architecture, dubbed DarSwin, leverages the physical characteristics of such lenses analytically defined by the radial distortion profile. In contrast to conventional transformer-based architectures, DarSwin comprises a radial patch partitioning, a distortion-based sampling technique for creating token embeddings, and an angular position encoding for radial patch merging. Compared to other baselines, DarSwin achieves the best results on different datasets with significant gains when trained on bounded levels of distortions (very low, low, medium, and high) and tested on all, including out-of-distribution distortions. While the base DarSwin architecture requires knowledge of the radial distortion profile, we show it can be combined with a self-calibration network that estimates such a profile from the input image itself, resulting in a completely uncalibrated pipeline. Finally, we also present DarSwin-Unet, which extends DarSwin to an encoder-decoder architecture suitable for pixel-level tasks. We demonstrate its performance on depth estimation and show through extensive experiments that DarSwin-Unet can perform zero-shot adaptation to unseen distortions of different wide-angle lenses.

La présentation sera donnée en anglais et les diapos seront en anglais.

Séminaire CeRVIM

Convolutional neural networks and visual illusions: Can they fool each other?

Javier Vazquez-Corral
Associate Professor, Autonomous University of Barcelona
Researcher, Computer Vision Center, Barcelona

Mardi, le 4 juillet 2023, 14h30, PLT-3370

Résumé
Visual illusions teach us that what we see is not always what is represented in the physical world. Their special nature makes them a fascinating tool to test and validate any new vision model proposed. In general, current vision models are based on the concatenation of linear and non-linear operations. The similarity of this structure with the operations present in Convolutional Neural Networks (CNNs) has motivated us to study two research questions:
– Are CNNs trained for low-level visual tasks deceived by visual illusions? If this is the case, a way to obtain CNNs that better replicate human behaviour, might be to start aiming for them to better replicate visual illusions.
– Can we use current deep learning architectures to generate new visual illusions that trick humans?

Références
[1] « Convolutional neural networks can be deceived by visual illusions » A Gomez-Villa, A Martin, J Vazquez-Corral, M Bertalmío, CVPR 2019
[2] « Color illusions also deceive CNNs for low-level vision tasks: Analysis and implications », A Gomez-Villa, A Martín, J Vazquez-Corral, M Bertalmío, J Malo, Vision Research 176, 156-174
[3] « On the synthesis of visual illusions using deep generative models », A Gomez-Villa, A Martín, J Vazquez-Corral, M Bertalmío, J Malo, Journal of Vision 22 (8), 2022

Biographie
Javier Vazquez-Corral is an Associate Professor at the Autonomous University of Barcelona and a researcher at the Computer Vision Center. Prior to that, he held post-doctoral positions both at the Universitat Pompeu Fabra in Barcelona and at the University of East Anglia in Norwich, United Kingdom. His main research interest is computational colour, in which he has developed novel approaches to solve different problems ranging from colour constancy to colour stabilization, colour characterization, colour gamut mapping, high dynamic range imaging, image dehazing, image denoising, and vision colour properties such as unique hue prediction and colour naming.

La présentation sera donnée en anglais et les diapos seront en anglais.

Séminaire CeRVIM : Distinction de fluorophores et amélioration de résolution simultané d’images de microscopie à super-résolution en utilisant le temps de vie de fluorescence

Andréanne Deschênes
Centre de recherche CERVO, Université Laval

Vendredi, le 28 avril 2023, 11h00, PLT-3370

Résumé
Pour étudier les interactions entre les protéines neuronales par microscopie à fluorescence, l’observation simultanée de plusieurs marqueurs biologiques est nécessaire. SPLIT-STED, une approche exploitant l’analyse du temps de vie de fluorescence, a été développée pour améliorer la résolution spatiale de la microscopie à déplétion par émission stimulée (STED). Nous avons développé une méthode d’analyse utilisant la combinaison linéaire des composantes dans l’espace des phaseurs pour multiplexer SPLIT-STED et l’appliquons pour séparer deux fluorophores spectralement indiscernables par canal d’imagerie. Nous quantifions et caractérisons les performances de notre algorithme sur des images simulées construites à partir d’images réelles à coloration unique, ce qui nous permet d’améliorer simultanément la résolution et l’analyse de la colocalisation de plusieurs espèces de protéines dans des cultures neuronales vivantes et fixées.

La présentation sera donnée en anglais et les diapos seront en anglais.

Séminaire CeRVIM : Navigation autonome à grande échelle dans les forêts subarctiques : défis à venir et leçons apprises

Dominic Baril
Norlab (Laboratoire de robotique boréale)
Dép. d’informatique et de génie logiciel, U. Laval

Vendredi, le 3 mars 2023, 13h30, PLT-2501 et sur Zoom

Résumé
Avec les fortes avancées récentes en robotique mobile, il est désormais possible de déployer des robots dans de nombreux scénarios afin de supporter une variété d’industries. Toutefois, peu de travaux documentent l’impact des conditions hivernales et de la forêt boréale sur les systèmes de navigation autonome. C’est pourquoi nous présentons un rapport de terrain portant sur le déploiement d’un système de navigation autonome dans la Forêt Montmorency, dans la province de Québec, au Canada. Dans le cadre de ce travail, nous avons conçu un système de navigation autonome qui se base sur le recalage de nuages de points mesurés par des lidars pour localiser le véhicule et cartographier l’environnement. Nous avons réussi à naviguer 18.8 km de manière autonome dans des sentiers de la forêt dans des conditions hivernales difficiles. Nous présentons l’impact de la végétation et de l’accumulation de neige sur les algorithmes de navigation autonome. Nous terminons la présentation en discutant des défis à relever dans le but d’accomplir de la navigation autonome robuste aux conditions rencontrées dans ce déploiement.

Cette présentation est basée sur l’article (https://arxiv.org/abs/2111.13981) que nous avons publié dans le journal Field Robotics.

Biographie
Dominic Baril est un étudiant au doctorat en informatique sous la supervision des professeurs François Pomerleau et Philippe Giguère. Dans le cadre de ses recherches au Norlab, le laboratoire de robotique mobile de l’Université Laval, il cherche à augmenter la robustesse des algorithmes de suivi de chemin des véhicules autonomes aux conditions de traction variables, plus spécifiquement aux terrains enneigés. Il a coordonné de nombreux essais de terrains avec un robot de 500 kg dans la forêt Montmorency lors desquels ils ont quantifié l’impact de l’environnement sur un système de navigation autonome de l’état de l’art.

La présentation sera donnée en français et les diapos seront en français.

Pour obtenir le lien d’accès internet pour la rencontre Zoom, SVP contacter :
Annette.Schwerdtfeger@gel.ulaval.ca

Séminaire CeRVIM : Métrologie 3D et instrumentation astronomique : un chasseur d’exoplanètes au Chili

Anne-Sophie Poulin-Girard
Laboratoire de Recherche en Ingénierie Optique, LRIO
Dép. de physique, de génie physique et d’optique, U. Laval

Vendredi, le 3 février 2023, 11h00, PLT-3370

Résumé
L’utilisation de dispositifs de métrologie comme les bras de mesure portables, les machines à mesurer tridimensionnelles et les scanneurs 3D est de plus en plus répandue dans le domaine de l’instrumentation astronomique. Ces différents outils sont employés pour aligner les pièces optiques et mécaniques de ces instruments, permettant ainsi de respecter les tolérances de positionnement très strictes, souvent en dessous de 100 microns pour un assemblage optomécanique complexe.

Dans ce contexte, la présentation portera sur l’instrument astronomique de détection d’exoplanètes NIRPS (Near Infra-Red Planet Searcher), plus précisément sur la phase d’assemblage, d’intégration, de test et de validation du spectrographe de l’instrument. Il sera également question de la mission d’installation à l’European Southern Observatory – La Silla dans le désert du Chili en 2022. Cette présentation est une excellente occasion pour les personnes qui s’intéressent à l’astronomie, qui souhaitent s’initier au domaine de l’instrumentation astronomique en vue de collaborations éventuelles ou qui désirent simplement voir les magnifiques paysages du Chili.

Biographie
Anne-Sophie Poulin-Girard a obtenu un doctorat en physique de l’Université Laval en 2016, sous la direction des professeurs Simon Thibault et Denis Laurendeau. Son sujet de thèse se situait entre la conception optique et la vision numérique, plus particulièrement pour l’utilisation de caméras panoramiques dans la reconstruction 3D d’objets d’intérêt. Après son doctorat, elle s’est jointe à la Chaire d’excellence en recherche du Canada sur la neurophotonique à titre de coordonatrice scientifique. Elle a rejoint l’équipe du Prof. Simon Thibault en 2017 en tant que professionnelle de recherche. Elle s’occupe entres autres de la coordination scientifique et technique de la Chaire industrielle du CRSNG en conception optique. Elle participe à divers projets de développement technologique en collaboration avec l’industrie, et au projet d’instrumentation astronomique NIRPS, pour la détection d’exoplanètes. Grande passionnée d’éducation, elle a présidé le SPIE Education committee, a accueilli en 2019 la conférence internationale SPIE/OSA/IEEE/ICO Education and Training in Optics and Photonics et co-préside depuis 2020 la conférence Optics Education and Outreach à SPIE O+P. Depuis 2021, elle est également membre du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG).

La présentation sera donnée en français et les diapos seront en anglais.

Webinaire CeRVIM : Introduction à la segmentation sémantique (par Intelligence Artificielle) sur MATLAB

William Bonilla
1. Laboratoire LVSN
Dép. de génie électrique et de génie informatique, U. Laval
2. Stagiaire en test, Tesla

Vendredi, le 2 décembre 2022, 11h00

Résumé
L’intelligence artificielle est un outil de plus en plus accessible qui est très prisé aujourd’hui. Les chercheurs ont donc plus de choix lorsque vient de le temps de choisir une plateforme pour développer leurs algorithmes d’intelligence artificielle.  Récemment, MATLAB a réussi à produire une solution facile d’utilisation qui permet de développer des algorithmes d’intelligence artificielle. La présentation portera sur toutes les étapes pour la réalisation d’un algorithme d’intelligence artificielle capable d’effectuer la segmentation sémantique sur MATLAB.
Le code sera partagé suite à la présentation.

La présentation sera donnée en français et les diapos seront en français.

Pour obtenir le lien d’accès internet pour la rencontre Zoom, SVP contacter :
Annette.Schwerdtfeger@gel.ulaval.ca

Séminaire CeRVIM : A Hybrid Approach for the Motion Control of Kinematically Redundant Hybrid Parallel Robots

Sy Nguyen
Laboratoire de robotique
Dép. de génie mécanique, Université Laval

Vendredi, le 18 novembre 2022, 12h
Local PLT-3370

Résumé
Classical methods for the motion control of robots are based on the dynamic model of the robot. The dynamics and the errors can then be examined either in the joint coordinates or in the task coordinates. Each of these two approaches has advantages and drawbacks, and this results in two versions of several control techniques such as PD+Gravity Compensation or Computed-Torque. The hybrid method that combines both approaches to control Kinematically Redundant Hybrid Parallel Robots is introduced in this presentation. In short, the two approaches are applied to different parts of the robot and the control signal is then determined based on their combination. In addition to improving the position control performance, this method reduces the modeling process. The robot is divided into two main components and each component is modeled separately. Furthermore, the position and orientation of the robot are considered in the Cartesian space, which is more obvious and easier to work with. Several demo videos are shown to demonstrate the performance of this control method. Extended works for force-related control are discussed.

La présentation sera donnée en anglais et les diapos seront en anglais.