Thèse CIFRE (H/F) - Détection des multi-trajets en radar automobile et valorisation des données par des techniques d’intelligence artificielle

Dans le cadre du développement des systèmes avancés d’aide à la conduite (ADAS), les radars automobiles jouent un rôle central dans la perception de l’environnement en fournissant des informations robustes de position et de vitesse des objets.

Cependant, en environnement réel, les phénomènes de multi-trajets liés aux réflexions sur des surfaces (murs, barrières métalliques, véhicules) peuvent générer des détections fantômes (ghost targets). Ces artefacts constituent aujourd’hui une source majeure de faux positifs et limitent les performances des fonctions ADAS, notamment dans des situations critiques (environnement urbain dense, tunnels, infrastructures métalliques).

Dans ce contexte, Ampere Software Technology propose une thèse CIFRE visant à améliorer la robustesse de la perception radar à partir de données bas niveau (détections / point clouds), en s’appuyant sur des approches d’intelligence artificielle.

Au sein de l’équipe Drive & Confort – ADAS, et en collaboration étroite avec un laboratoire académique, vous aurez pour mission de :

• Analyser les phénomènes de multi-trajets en radar automobile MIMO et leur impact sur la perception
• Étudier l’état de l’art des méthodes d’identification de détections fantômes

• Manipuler des données radar bas niveau (détections / point clouds)
• Analyser des collections de données issues de roulage réel
• Exploiter des vérités terrain (lidar, caméra, RTK) pour l’annotation

• Développer des méthodes d’identification des ghosts :
  • approches classiques (traits physiques, cinématiques)
  • approches Machine Learning / Deep Learning
• Définir les représentations les plus pertinentes des données radar

• Mettre en place des métriques de performance adaptées
• Évaluer les algorithmes sur des données réelles
• Étudier la robustesse et la complexité computationnelle

• Contribuer à l’amélioration des performances ADAS (réduction des faux positifs)Participer à la montée en compétence sur le traitement radar bas niveau
• Proposer des méthodologies d’exploitation et de valorisation des données radar Apports de la thèse

Cette thèse contribuera directement à :

• Améliorer la robustesse des systèmes ADAS dans des conditions critiques (pluie, brouillard, nuit, infrastructures complexes)
• Réduire les faux positifs liés aux multi-trajets radar
• Développer l’expertise interne sur le traitement radar bas niveau
• Contribuer aux performances NCAP et à la roadmap sécurité du Groupe

• Publications scientifiques (conférences et journal)
• Méthodes de détection des multi-trajets radar
• Benchmark et métriques d’évaluation
• Contributions brevetables
• Méthodologie d’exploitation de données radar

• Diplôme d’ingénieur ou Master 2 en :
  • traitement du signal
  • informatique / IA
  • systèmes embarqués ou radar

• Traitement du signal / mathématiques appliquées
• Machine Learning / Deep Learning
• Programmation : Python, Matlab (C/C++ est un plus)
• Une expérience en radar ou perception est un atout

• Autonomie et curiosité scientifique
• Capacité à travailler en équipe (industriel + académique)
• Bonnes capacités de communication

• 50 % du temps chez Ampere Software Technology
• 50 % dans un laboratoire académique partenaire

Encadrement :

• Tuteur industriel
• Directeur de thèse académique

• Travailler sur un sujet stratégique au cœur des ADAS
• Accéder à des datasets industriels uniques
• Contribuer à des innovations concrètes intégrées dans les véhicules
• Évoluer dans un environnement combinant recherche avancée et application industrielle