Projet universitaire
Application de détection automatique d'objets
Projet technique visant à interconnecter un système robotique (ROS) et une interface web. L'objectif était de récupérer des données de détection d'objets (via l'algorithme YOLO) dans un flux vidéo et de les afficher en temps réel sur un tableau de bord web, en gérant la communication entre les processus.
Année :
2025
Secteur :
Robotique & Développement système
Client :
IDMC
Durée du projet
2 semaines
CONSIGNE :
La mission consistait à connecter un système ROS (Robot Operating System) détectant des objets dans une vidéo à une interface web affichant les résultats en temps réel. Une contrainte majeure était de choisir et d'implémenter la méthode de communication inter-processus (IPC) la plus appropriée pour relier ces deux environnements distincts.
SOLUTION :
Nous avons conçu une architecture en deux parties :
Côté Serveur (ROS) : Utilisation de darknet_ros pour la détection (modèle YOLO) et création d'un nœud personnalisé event_logger pour récupérer les données.
Côté Client (Web) : Développement d'une interface avec le micro-framework Flask (Python) pour sa légèreté. Pour la communication, nous avons opté pour l'utilisation de tubes nommés (pipes). Cette solution permet un transfert rapide des données (type "producteur-consommateur") sans passer par des fichiers intermédiaires, optimisant ainsi la fluidité du système.
DÉFI :
Le principal défi technique a été l'implémentation de la méthode IPC (Inter-Process Communication) via les tubes. La documentation étant limitée sur l'intégration spécifique des pipes entre un nœud ROS et un serveur Flask indépendant, nous avons dû effectuer plusieurs itérations de recherche et de tests pour stabiliser le flux de données et éviter les blocages.
RÉSULTATS :
Nous avons livré un système fonctionnel capable d'analyser un flux vidéo et d'afficher en temps réel la classe de l'objet détecté (ex: "Car", "Bus") et son niveau de probabilité sur l'interface web. Ce projet m'a permis de renforcer mes compétences sur l'écosystème ROS (version Melodic), la gestion des processus sous Linux (Ubuntu) et l'architecture logicielle distribuée.
PLUS DE Projets
Projet universitaire
Application de détection automatique d'objets
Projet technique visant à interconnecter un système robotique (ROS) et une interface web. L'objectif était de récupérer des données de détection d'objets (via l'algorithme YOLO) dans un flux vidéo et de les afficher en temps réel sur un tableau de bord web, en gérant la communication entre les processus.
Année :
2025
Secteur :
Robotique & Développement système
Client :
IDMC
Durée du projet
2 semaines
CONSIGNE :
La mission consistait à connecter un système ROS (Robot Operating System) détectant des objets dans une vidéo à une interface web affichant les résultats en temps réel. Une contrainte majeure était de choisir et d'implémenter la méthode de communication inter-processus (IPC) la plus appropriée pour relier ces deux environnements distincts.
SOLUTION :
Nous avons conçu une architecture en deux parties :
Côté Serveur (ROS) : Utilisation de darknet_ros pour la détection (modèle YOLO) et création d'un nœud personnalisé event_logger pour récupérer les données.
Côté Client (Web) : Développement d'une interface avec le micro-framework Flask (Python) pour sa légèreté. Pour la communication, nous avons opté pour l'utilisation de tubes nommés (pipes). Cette solution permet un transfert rapide des données (type "producteur-consommateur") sans passer par des fichiers intermédiaires, optimisant ainsi la fluidité du système.
DÉFI :
Le principal défi technique a été l'implémentation de la méthode IPC (Inter-Process Communication) via les tubes. La documentation étant limitée sur l'intégration spécifique des pipes entre un nœud ROS et un serveur Flask indépendant, nous avons dû effectuer plusieurs itérations de recherche et de tests pour stabiliser le flux de données et éviter les blocages.
RÉSULTATS :
Nous avons livré un système fonctionnel capable d'analyser un flux vidéo et d'afficher en temps réel la classe de l'objet détecté (ex: "Car", "Bus") et son niveau de probabilité sur l'interface web. Ce projet m'a permis de renforcer mes compétences sur l'écosystème ROS (version Melodic), la gestion des processus sous Linux (Ubuntu) et l'architecture logicielle distribuée.
PLUS DE Projets
Projet universitaire
Application de détection automatique d'objets
Projet technique visant à interconnecter un système robotique (ROS) et une interface web. L'objectif était de récupérer des données de détection d'objets (via l'algorithme YOLO) dans un flux vidéo et de les afficher en temps réel sur un tableau de bord web, en gérant la communication entre les processus.
Année :
2025
Secteur :
Robotique & Développement système
Client :
IDMC
Durée du projet
2 semaines
CONSIGNE :
La mission consistait à connecter un système ROS (Robot Operating System) détectant des objets dans une vidéo à une interface web affichant les résultats en temps réel. Une contrainte majeure était de choisir et d'implémenter la méthode de communication inter-processus (IPC) la plus appropriée pour relier ces deux environnements distincts.
SOLUTION :
Nous avons conçu une architecture en deux parties :
Côté Serveur (ROS) : Utilisation de darknet_ros pour la détection (modèle YOLO) et création d'un nœud personnalisé event_logger pour récupérer les données.
Côté Client (Web) : Développement d'une interface avec le micro-framework Flask (Python) pour sa légèreté. Pour la communication, nous avons opté pour l'utilisation de tubes nommés (pipes). Cette solution permet un transfert rapide des données (type "producteur-consommateur") sans passer par des fichiers intermédiaires, optimisant ainsi la fluidité du système.
DÉFI :
Le principal défi technique a été l'implémentation de la méthode IPC (Inter-Process Communication) via les tubes. La documentation étant limitée sur l'intégration spécifique des pipes entre un nœud ROS et un serveur Flask indépendant, nous avons dû effectuer plusieurs itérations de recherche et de tests pour stabiliser le flux de données et éviter les blocages.
RÉSULTATS :
Nous avons livré un système fonctionnel capable d'analyser un flux vidéo et d'afficher en temps réel la classe de l'objet détecté (ex: "Car", "Bus") et son niveau de probabilité sur l'interface web. Ce projet m'a permis de renforcer mes compétences sur l'écosystème ROS (version Melodic), la gestion des processus sous Linux (Ubuntu) et l'architecture logicielle distribuée.