崗位職責(zé)
根據(jù)項(xiàng)目經(jīng)驗(yàn)、專業(yè)技能和個(gè)人意愿等,參與以下其中一個(gè)或多個(gè)方向研發(fā):
1. 面向乘用車量產(chǎn)業(yè)務(wù)的行泊車場(chǎng)景,開(kāi)發(fā)高精度、高可靠性的定位與建圖算法,解決量產(chǎn)中的長(zhǎng)尾問(wèn)題
針對(duì)車載計(jì)算平臺(tái)特性,優(yōu)化算法性能與資源占用,提升系統(tǒng)實(shí)時(shí)性與魯棒性.
2. 參與多傳感器(gnss/lidar/imu/輪速/視覺(jué)等)數(shù)據(jù)融合方案設(shè)計(jì),適配車規(guī)級(jí)硬件實(shí)現(xiàn)精準(zhǔn)定位與動(dòng)態(tài)建圖.
3. 參與地圖構(gòu)建、數(shù)據(jù)挖掘、云端模型、自動(dòng)標(biāo)注算法和4d真值系統(tǒng)等開(kāi)發(fā)與研究.
4. 參與基于gnss, imu等傳感器多場(chǎng)景下的實(shí)時(shí)綁路、偏航算法,基于深度學(xué)習(xí)的地圖匹配等算法研發(fā).
任職要求
1. 熟練掌握c++編程、pytorch或tensorflow等常見(jiàn)框架,熟悉ros框架及l(fā)inux開(kāi)發(fā)環(huán)境.
2. 理解主流slam框架(如lio-sam、lio-mapping、vins-mono等),熟悉其源碼實(shí)現(xiàn)與優(yōu)化方法
3. 熟悉kalman filter、非線性優(yōu)化理論,具備多傳感器融合算法開(kāi)發(fā)經(jīng)驗(yàn)
4. 熟悉lidar/imu/gnss/輪速等車載傳感器特性及數(shù)據(jù)處理方法(如標(biāo)定、時(shí)序同步、去噪等)
5. 有高精地圖自動(dòng)建圖、導(dǎo)航地圖的數(shù)據(jù)制作、自動(dòng)駕駛規(guī)劃算法經(jīng)驗(yàn)者優(yōu)先
6. 了解機(jī)器學(xué)習(xí)基本概念,有實(shí)時(shí)綁路項(xiàng)目經(jīng)驗(yàn)者優(yōu)先
7. 熟悉深度學(xué)習(xí)在slam中的應(yīng)用(如語(yǔ)義slam、動(dòng)態(tài)物體處理、端到端定位等),有相關(guān)項(xiàng)目經(jīng)驗(yàn)優(yōu)先
8. 在機(jī)器人/自動(dòng)駕駛領(lǐng)域頂會(huì)發(fā)表過(guò)論文或參與過(guò)機(jī)器人競(jìng)賽/開(kāi)源slam項(xiàng)目貢獻(xiàn)優(yōu)先.