Ingénieur en Instrumentation, Électronique et Systèmes Embarqués

Intégration dans une équipe multidisciplinaire spécialisée dans les solutions de recharge pour véhicules électriques, développement et validation de systèmes RFID innovants pour bornes de recharge intelligentes.

• Intégration d'un système RFID dans une borne de recharge pour véhicules électriques.
• Développement et validation des fonctionnalités d'identification utilisateur et de contrôle d'accès.
• Participation à l'intégration électronique et logicielle complète de systèmes IRVE.
• Réalisation de tests fonctionnels et validation terrain des systèmes embarqués.
• Débogage de systèmes embarqués en environnement industriel.

Conception et réalisation de projets électroniques embarqués dans un laboratoire de physique des Lasers, utilisant des microcontrôleurs PIC18F4525, combinant développement logiciel et conception matérielle.

• Développement d'une bibliothèque en C dédiée au pilotage d'un afficheur LED RGB 32×16.
• Conception et réalisation d'un PCB spécifique pour l'afficheur LED avec routage contraint.
• Mise en œuvre d'un projet intégrant un module GPS avec conception et réalisation d'un PCB dédié.
• Maîtrise des outils de conception électronique (KiCad) et du routage PCB.
• Réalisation de la fabrication artisanale de PCB double face sur graveuse CIF.

Conception et intégration d'un système complet de SLAM 2D embarqué sur un robot mobile autonome basé Raspberry Pi 4, combinant perception multi-capteurs et navigation autonome en environnement intérieur.

• Conception de l'architecture complète du système de SLAM 2D en environnement indoor.
• Déploiement et configuration de ROS2 Humble sous Ubuntu 22.04 sur Raspberry Pi 4.
• Intégration d'une suite multi-capteurs composée d'un LiDAR 2D (YDLidar), d'une IMU et d'encodeurs de roues.
• Développement du pipeline d'odométrie et de la gestion des transformations de coordonnées (TF).
• Génération de cartes en temps réel via slam_toolbox avec visualisation dans RViz.
• Conception d'une architecture distribuée couplant Raspberry Pi et microcontrôleur via UART.
• Analyse et correction des erreurs d'odométrie dues à une configuration asymétrique des moteurs.

Conception d'un système de reconnaissance de gestes embarqué temps réel basé sur des capteurs inertiels et optimisé pour exécution sur microcontrôleur ARM, combinant machine learning et contraintes matérielles strictes.

• Conception d'une architecture de reconnaissance de gestes à partir de données inertielles (IMU).
• Collecte et annotation de données terrain correspondant à plusieurs gestes (punch, flex, shake).
• Entraînement d'un modèle de classification via la plateforme Edge Impulse.
• Optimisation du modèle pour l'exécution embarquée (quantification, gestion des contraintes mémoire).
• Déploiement et validation de l'inférence temps réel sur Arduino Nano 33 BLE (Cortex-M).
• Évaluation des performances avec une précision d'environ 90 % sur l'ensemble de test.

Développement d'une application intégrant la vision par ordinateur pour détecter la position de la main et transmettre les commandes à un microcontrôleur en vue de piloter un moteur pas à pas, mettant en pratique le contrôle électrique et la perception visuelle.

• Développement d'une application Python exploitant OpenCV et MediaPipe pour la détection de main en temps réel.
• Implémentation de la communication UART entre l'application et le microcontrôleur STM32.
• Configuration de la génération d'impulsions PWM sur le STM32 pour piloter un moteur pas à pas.
• Validation de la chaîne complète vision-transmission-contrôle moteur.