智能驾驶-建图定位负责人

优缺点分析

角色解读

• 技术方向：从建图定位算法负责人成长为自动驾驶系统架构师或技术专家
• 管理方向：带团队负责整个定位感知模块，进一步晋升为技术总监或部门负责人
• 行业拓展：积累自动驾驶量产经验后可转向其他机器人领域（如AGV、服务机器人）的高精度定位岗位
• 设计和实现记忆泊车/行车场景的SLAM建图与定位算法，融合多传感器（摄像头、激光雷达、IMU等）数据
• 开发车载传感器内参、外参标定算法，支持在线和离线标定，确保定位精度
• 分析路测数据，定位问题并协同感知、规划控制团队优化系统性能
• 构建自动化标定与评价工具链，提升量产交付效率
• 精通C++，熟悉C++11及以上新特性，具备扎实的算法与数据结构基础
• 扎实的SLAM理论基础，熟悉ORB-SLAM、VINS、LIO-SAM等主流框架，掌握非线性优化与图优化
• 熟悉GNSS/IMU/轮速计等传感器原理及数据处理，掌握Kalman滤波、粒子滤波等滤波算法
• 具备多传感器联合标定经验，尤其是量产经验者优先

申请策略

• 关注科大讯飞智能驾驶的业务方向（记忆泊车/行车），思考如何与公司现有技术栈结合
• 准备1-2个具体的定位问题解决案例，展示工程化思维
• 突出SLAM项目经验，尤其是量产落地的定位算法成果，如精度指标、数据规模等
• 强调多传感器融合和标定的工作经验，列举实际使用的传感器和框架
• 体现C++编程能力，可附上GitHub或代码片段展示代码质量
• 如有自动驾驶行业知名公司或项目经历，重点标注
• 复习或深入学习最新SLAM框架（如ORB-SLAM3、VINS-Fusion）和标定工具（如Kalibr）
• 强化数学基础：非线性优化、李群李代数、概率滤波等

面试指南

• STAR法则：情境-任务-行动-结果，清晰描述项目背景、个人职责、具体做法和量化成果
• 技术细节+思考过程：不仅陈述做了什么，还要解释为什么这么做，有哪些权衡
• 问题总结+改进思路：对于遇到的问题，展示复盘和持续优化的能力
• 请详细讲一下你参与的SLAM项目中，多传感器融合定位的方案是怎么设计的？
• 如何处理GNSS信号丢失时的定位问题？描述一下你使用过的算法或策略
• 介绍你使用过的传感器标定工具和方法，遇到过哪些标定难题？如何解决的？
• 在C++中如何优化SLAM算法的实时性能？请举例说明
• 你觉得在量产项目中，定位算法面临的挑战有哪些？如何平衡精度与计算资源？