Contexte
L'équipe System Innovation de NXP recherche un(e) stagiaire de fin d'études pour un stage de six mois portant sur la détection en habitacle (In-Cabin Sensing, ICS) et la fusion de données multi-capteurs.
La détection en habitacle (In-Cabin Sensing, ICS) utilise des capteurs à l'intérieur du véhicule pour surveiller ses occupants et leur environnement. C'est un élément clé des fonctions de sécurité et de confort de la détection d'un enfant oublié à l'adaptation de l'habitacle aux personnes présentes.
Le stage contribue à une activité de R&D consistant à construire une plateforme expérimentale qui collecte des données synchronisées provenant de plusieurs capteurs en habitacle (dont l'UWB et d'autres modalités de détection).
Le stage couvre deux axes complémentaires, dont l'équilibre sera adapté aux points forts du candidat retenu :
- Volet intégration / plateforme : consolider et étendre une plateforme de collecte de données existante basée sur ROS, afin qu'elle prenne en charge plusieurs capteurs, l'UWB multi-ancres, l'acquisition alignée temporellement et un transport de données fiable.
- Volet fusion / recherche : exploiter les jeux de données obtenus pour étudier la fusion de données multi-capteurs et les performances d'applications en habitacle (p. ex. la détection de présence d'enfant).
Combiner des capteurs hétérogènes ne se limite pas à les raccorder à un hôte commun : l'intégration des capteurs et de leurs pilotes, le fonctionnement de l'UWB multi-ancres, le transport des données et surtout la précision de l'horodatage entre les différentes sources déterminent tous si les données sont exploitables pour la fusion.
L'étudiant(e) construira, étendra et validera cette plateforme et/ou évaluera dans quelle mesure elle prend en charge les cas d'usage de fusion et d'application en aval. Le travail implique une collaboration avec une équipe internationale et multi-sites.
Vos missions
Le/la stagiaire réalisera une partie des tâches suivantes ; le périmètre exact et l'équilibre entre intégration et fusion seront adaptés au profil du candidat :
- Se familiariser avec le périmètre, la plateforme de collecte de données en habitacle existante et sa pile logicielle sous Linux (en reproduisant et en s'appuyant sur les travaux antérieurs de Louvain / Eindhoven)
- Étendre la plateforme avec de nouvelles fonctionnalités, par exemple : o activer plus d'une ancre UWB o ajouter un transport / une diffusion de données (p. ex. un serveur MQTT) o intégrer des capteurs supplémentaires et leurs pilotes
- Vérifier et caractériser la précision de l'horodatage entre capteurs, et évaluer si elle satisfait aux exigences de la fusion de données
- Collecter des jeux de données multi-capteurs synchronisés et évaluer la qualité des données • Formuler des recommandations sur l'architecture de la plateforme, l'intégration des capteurs, la synchronisation temporelle et l'approche de fusion
- Étudier la fusion de données multi-capteurs et les mesures au niveau applicatif (p. ex. la détection de présence d'enfant / CPD)
- (optionnel) Visualisation et démonstrateur, p. ex. une visualisation de détection en habitacle / de fusion de données à destination de l'IWT Toulouse 2027
Votre profil
- Étudiant(e) en dernière année de master ou d'école d'ingénieur en ingénierie des données, systèmes embarqués, traitement du signal, communications sans fil, robotique ou un domaine connexe
- Bonnes compétences en programmation en Python et/ou C/C++
- À l'aise avec Linux
- Connaissance d'au moins un des domaines suivants : intégration de capteurs / pilotes de périphériques, acquisition et synchronisation de données, traitement numérique du signal, ou fusion de données
- Une familiarité avec l'UWB, MQTT ou d'autres systèmes de messagerie, le filtrage de Kalman, la fusion de capteurs ou la visualisation de données est un plus
- Approche pratique et structurée du travail expérimental
- Capacité à travailler de façon autonome et à communiquer au sein d'une équipe internationale et multi-sites
- Maîtrise professionnelle de l'anglais
Context
The NXP System Innovation team is looking for a final-year engineering or master's student for a six-month internship on In-Cabin Sensing (ICS) and multi-sensor data fusion.
In-Cabin Sensing (ICS) uses sensors inside the vehicle to monitor its occupants and their environment. It is a key enabler for safety and comfort functions from detecting a child left behind to adapting the cabin to who is present.
The internship aims to contribute to an R&D activity by building an experimental platform that collects synchronized data from multiple in-cabin sensors (including UWB and additional sensing modalities).
The internship spans two complementary directions, and the balance will be adapted to the selected candidate's strengths:
- Integration / platform side: consolidating and extending an existing ROS-based data-collection setup so it can support multiple sensors, multi-anchor UWB, time-aligned acquisition, and reliable data transport.
- Fusion / research side: using the resulting datasets to investigate multi-sensor data fusion and in-cabin application performance (e.g. child-presence detection).
Combining heterogeneous sensors requires more than connecting them to a common host: sensor and driver integration, multi-anchor UWB operation, data transport, and critically timestamp accuracy across sources all determine whether the data is usable for fusion.
The student will build, extend, and validate this platform and/or evaluate how well it supports downstream fusion and application use cases.
The work involves collaboration with an international, multi-site team.
Your responsibilities
The trainee will perform a subset of the following tasks, the exact scope and the integration-vs-fusion will be tailored to the candidate's profile:
- Getting familiar with the scope, the existing in-cabin data-collection setup, and its Linux-based software stack (replicating and building on prior Leuven / Eindhoven work)
- Extending the setup with additional functionality, for example:
- enabling more than one UWB anchor
- adding data transport / brokering (e.g. MQTT server)
- integrating additional sensors and their drivers
- Verifying and characterizing timestamp accuracy across sensors, and assessing whether it meets the requirements for data fusion
- Collecting synchronized multi-sensor datasets and evaluating data quality
- Providing recommendations on setup architecture, sensor integration, timing/synchronization, and fusion approach
- Investigating multi-sensor data fusion and application-level measurements (e.g. child-presence detection / CPD)
- (optional) Visualization and a demonstrator, e.g. an in-cabin sensing / data-fusion visualization targeting IWT Toulouse 2027
Your profile
- Final-year master’s student or engineering student in data engineering, embedded systems, signal processing, wireless communications, robotics, or a related field
- Good programming skills in Python and/or C/C++
- Comfortable working on Linux (embedded or desktop)
- Knowledge of at least one of: sensor integration / device drivers, data acquisition and synchronization, digital signal processing, or data fusion
- Familiarity with UWB, MQTT or messaging systems, Kalman filtering, sensor fusion, or data visualization is a plus
- Practical and structured approach to experimental work
- Ability to work autonomously and communicate within an international, multi-site team
- Professional proficiency in English
More information about NXP in France...
#LI-3842