Jean-Emmanuel Deschaud

Directeur de recherche

Centre · CAOR

Adresse e-mail: jean-emmanuel.deschaud@minesparis.psl.eu
Discipline(s): Signal, image, automatique, robotique et génie industriel
Thème(s): Robotique

Mots-clés

Prix & distinctions

2025 Best Paper Award à WACV 2025 pour l'article "RayGauss: Volumetric Gaussian-Based Ray Casting for Photorealistic Novel View Synthesis".
2022 Finaliste du "ICRA 2022 Outstanding Paper" pour l'article "CT-ICP: Real-time Elastic LiDAR Odometry with Loop Closure".
2021 Best Paper Award du Working Group on Graphics and Cultural Heritage 2021 pour l'article “Riedone3D: a celtic coins dataset for registration and fine-grained clustering”

Équipe

CAOR

Biographie

Jean-Emmanuel Deschaud est chercheur au Centre de robotique de Mines Paris – PSL, spécialisé dans le traitement des données 3D et la perception pour les systèmes autonomes. Ses travaux portent sur l’exploitation des données LiDAR pour la robotique mobile, les véhicules autonomes et le patrimoine, notamment en segmentation sémantique, cartographie et modélisation 3D. Il développe aussi des méthodes de recalage image-LiDAR, de synthèse de nouvelles vues et de reconstruction de surfaces par photogrammétrie. Ses recherches visent des algorithmes robustes, généralisables, adaptés aux contraintes embarquées si nécessaire, et aux environnements réels, dynamiques et complexes.

Publication(s)

2025
HARP-NeXt: High-Speed and Accurate Range-Point Fusion Network for 3D LiDAR Semantic Segmentation DOI : 10.1109/IROS60139.2025.11246557
2025
HD-OOD3D: Supervised and Unsupervised Out-of-Distribution object detection in LiDAR data DOI : 10.1109/IROS60139.2025.11247260
2025
RayGauss: Volumetric Gaussian-Based Ray Casting for Photorealistic Novel View Synthesis DOI : 10.1109/WACV61041.2025.00183
2025
COLA: COarse-LAbel Multisource LiDAR Semantic Segmentation for Autonomous Driving DOI : 10.1109/TRO.2025.3543302
2025
Leg Exoskeleton Odometry using a Limited FOV Depth Sensor DOI : 10.1109/ICRA55743.2025.11128659
2024
ParisLuco3D: A High-Quality Target Dataset for Domain Generalization of LiDAR Perception DOI : 10.1109/LRA.2024.3393209
2023
Multi-IMU Proprioceptive State Estimator for Humanoid Robots DOI : 10.1109/IROS55552.2023.10341849
2023
MDT3D: Multi-Dataset Training for LiDAR 3D Object Detection Generalization DOI : 10.1109/IROS55552.2023.10341614
2023
Domain generalization of 3D semantic segmentation in autonomous driving DOI : 10.1109/ICCV51070.2023.01657
2023
COLA: COarse LAbel pre-training for 3D semantic segmentation of sparse LiDAR datasets DOI : 10.1109/ICRA48891.2023.10160539
2023
5GMED Seamless Connectivity for Digital Trains DOI : 10.1109/VTC2023-Spring57618.2023.10199954
2022
AdaSplats: Adaptive Splatting of Point Clouds for Accurate 3D Modeling and Real-Time High-Fidelity LiDAR Simulation DOI : 10.3390/rs14246262
2022
CT-ICP: Real-time Elastic LiDAR Odometry with Loop Closure DOI : 10.1109/ICRA46639.2022.9811849
2021
Paris-carla-3d: A real and synthetic outdoor point cloud dataset for challenging tasks in 3d mapping DOI : 10.3390/rs13224713
2021
3D Point Cloud Registration with Multi-Scale Architecture and Unsupervised Transfer Learning DOI : 10.1109/3DV53792.2021.00142
2021
What's in My LiDAR Odometry Toolbox DOI : 10.1109/IROS51168.2021.9636348
2021
On power jaccard losses for semantic segmentation
2020
SHREC 2020: 3D point cloud semantic segmentation for street scenes DOI : 10.1016/j.cag.2020.09.006
2020
Automatic Clustering of Celtic Coins Based on 3D Point Cloud Pattern Analysis DOI : 10.5194/isprs-annals-V-2-2020-973-2020
2020
Computational fluid dynamics on 3D point set surfaces DOI : 10.1016/j.jcpx.2020.100069
2019
KPConv: Flexible and deformable convolution for point clouds DOI : 10.1109/ICCV.2019.00651
2019
A graph-based color lines model for image analysis DOI : 10.1007/978-3-030-30645-8_17
2018
Paris-lille-3D: A point cloud dataset for urban scene segmentation and classification DOI : 10.1109/CVPRW.2018.00272
2018
IMLS-SLAM: Scan-to-Model Matching Based on 3D Data DOI : 10.1109/ICRA.2018.8460653
2018
Semantic classification of 3d point clouds with multiscale spherical neighborhoods DOI : 10.1109/3DV.2018.00052
2018
Paris-Lille-3D: A large and high-quality ground-truth urban point cloud dataset for automatic segmentation and classification DOI : 10.1177/0278364918767506
2018
EDITORIAL DOI : 10.52638/rfpt.2018.423
2018
Editorial; [Editorial]
2018
Raw point cloud deferred shading through screen space pyramidal operators DOI : 10.2312/egs.20181036
2017
Point cloud refinement with self-calibration of a mobile multibeam lidar sensor DOI : 10.1111/phor.12198
2017
High quality and efficient direct rendering of massive real-world point clouds DOI : 10.2312/egp.20171035
2017
Automatic Ground Surface Reconstruction from mobile laser systems for driving simulation engines DOI : 10.1177/0037549716683022
2016
Point cloud refinement with a target-free intrinsic calibration of a mobile multi-beam Lidar system DOI : 10.5194/isprsarchives-XLI-B3-359-2016
2016
Fast and robust segmentation and classification for change detection in urban point clouds DOI : 10.5194/isprsarchives-XLI-B3-693-2016
2016
Experimental assessment of the quanergy M8 LiDAR sensor DOI : 10.5194/isprsarchives-XLI-B5-527-2016
2015
Invariant EKF Design for Scan Matching-Aided Localization DOI : 10.1109/TCST.2015.2413933
2015
Target-free extrinsic calibration of a mobile multi-beam lidar system DOI : 10.5194/isprsannals-II-3-W5-97-2015
2014
Scalable and detail-preserving ground surface reconstruction from large 3D point clouds acquired by mobile mapping systems DOI : 10.5194/isprsarchives-XL-3-73-2014
2014
Experimental implementation of an Invariant Extended Kalman Filter-based scan matching SLAM DOI : 10.1109/ACC.2014.6859291
2014
Paris-rue-madame database: A 3D mobile laser scanner dataset for benchmarking urban detection, segmentation and classification methods DOI : 10.5220/0004934808190824
2012
3D road environment modeling applied to visibility mapping: An experimental comparison DOI : 10.1109/DS-RT.2012.12
2012
3D Mapping for high-fidelity unmanned ground vehicle lidar simulation DOI : 10.1177/0278364912460288
2012
Automatic data driven vegetation modeling for lidar simulation DOI : 10.1109/ICRA.2012.6225269
2011
A simple nonlinear filter for low-cost ground vehicle localization system DOI : 10.1109/CDC.2011.6161262
2010
Point cloud non local denoising using local surface descriptor similarity
2009
Colorisation et texturation temps reel d'environnements urbains par systeme mobile avec scanner laser et camera fish-eye
2007
On-the-way city mobile mapping using laser range scanner and fisheye camera

Enseignements

Nuages de points et modélisation 3D

2014 – en cours Responsable

Ce cours présente une vue d'ensemble des concepts et techniques d'acquisition, de traitement et de visualisation de nuages de points 3D, ainsi que de leurs fondements mathématiques et algorithmiques. Page web du cours: https://www.caor.minesparis.psl.eu/presentation/cours-npm3d/

Direction(s) de thèse(s)

2025 Reconstruction 3D, rendu haute qualité et stabilisation à partir de caméras haute résolution BEN MABROUK Souheib
2025 Recalage de nuages de points et d’images par rendu différentiable INSALACO Ugo
2025 Modèles Génératifs 3D avec Contraintes Géométriques OLECH Alexandre
2025 Numérisation d’objets par champs de radiance : acquisition, rendu et évaluation avec ré-éclairage sur différents types d’afficheurs LEBSAIRA Wassil
2022 Odométrie et cartes d'élévation locales pour exosquelettes de jambes avec un capteur de profondeur à champ de vision limité ELNECAVE XAVIER Fabio
2022 Réseaux de neurones profonds pour la segmentation sémantique des nuages de points 3D adaptés aux architectures embarquées pour les systèmes mobiles autonomes et robotiques ABOU HAIDAR Samir
2022 Rendu différentiable physico-réaliste de nuages de points pour une visualisation interactive d’environnements réels. Applications au patrimoine culturel pour l’étude d’objets archéologiques et la visite virtuelle de monuments. BLANC Hugo
2021 Généralisation de domaine et détection 3D d’objets inconnus à partir de données LiDAR SOUM-FONTEZ Louis
2020 Exploration des odométries LiDAR à travers les perspectives classiques, d'apprentissage profond et inertielles DELLENBACH Pierre
2020 Généralisation de domaine pour la segmentation sémantique de données LiDAR pour le véhicule autonome SANCHEZ Jules
2019 Comparaison de motifs sur des nuages de points 3D et application sur des monnaies et objets celtiques HORACHE Sofiane
2019 Modélisation de scènes urbaines à partir de nuages de points 3D et simulation LiDAR massive pour véhicules autonomes RICHA Jean Pierre
2018 Compréhension de scènes urbaines 3D par analyse de données LiDAR, colorées et hyperspectrales DUQUE David
2016 Apprentissage de nouvelles représentations pour la sémantisation de nuages de points 3D THOMAS Hugues
2015 Sémantisation à la Volée de Nuages de Points 3D acquis par Systèmes Embarqués ROYNARD Xavier