感知避障(雷达、多源融合)算法工程师

优缺点分析

角色解读

• 从算法工程师向技术专家发展，深耕感知避障领域
• 可转向自动驾驶或机器人领域的高级算法岗位
• 有机会晋升为技术主管或架构师，带领团队攻克技术难题
• 研发基于激光雷达和毫米波雷达的无人机感知避障算法，并负责产品化落地
• 开发多源融合感知算法，融合视觉、激光雷达、毫米波雷达数据，实现深度估计、目标检测、分割等任务
• 跟踪学术界最新端到端感知算法，评估其在无人机上的应用潜力
• 精通激光雷达感知算法，包括目标检测、跟踪、占据栅格等
• 熟悉3D/4D毫米波雷达感知及雷视融合算法
• 有多传感器融合和机器人系统开发经验，能推动算法产品化

申请策略

• 面试前了解顺丰无人机业务进展，思考算法如何赋能物流场景
• 准备一个完整的项目案例，展示问题分析、算法选型到最终效果
• 突出项目经历中与激光雷达、毫米波雷达或多传感器融合相关的工作
• 强调产品落地经验，特别是从算法到实际系统的完整流程
• 列出曾使用过的具体算法（如目标检测、占据栅格）和框架
• 补充端到端感知算法（如BEVFormer）的相关知识
• 熟悉至少一种机器人操作系统（ROS/ROS2）和仿真环境
• 强化编程能力（C++/Python）和工程部署经验（TensorRT、ONNX）

面试指南

• 针对具体算法题：先阐述原理，再结合实际项目经验说明优化点
• 对于工程落地题：强调从算法到部署的全链路考虑，包括性能、鲁棒性、测试等
• 对于开放性问题：先列出关键维度（如精度、延迟、功耗），然后给出权衡方案
• 请详细描述你参与过的多传感器融合项目，包括融合架构和效果
• 激光雷达目标检测中，如何处理点云稀疏和遮挡问题？
• 毫米波雷达和视觉融合时，如何解决空间对齐和时间同步？
• 谈谈你对端到端感知算法的理解，以及它在无人机上的可行性
• 在无人机平台上，如何平衡算法精度和实时性？