中/高级计算机视觉算法工程师（三维重建）

优缺点分析

角色解读

• 从三维重建算法工程师向资深算法专家或技术负责人发展
• 横向拓展至计算机视觉其他方向（如SLAM、目标检测），或深入图形学、数字孪生领域
• 在大疆内部可从算法岗晋升为产品技术负责人，或向行业解决方案架构师转型
• 负责大规模三维网格和点云数据的处理、编辑和生成算法研发，结合传统与深度学习方法提升效果
• 研发三维语义分割和矢量化技术，实现三维重建成果的自动化和智能化，支持大疆行业产品
• 深度参与大疆智图、智模等产品的算法优化，推动软硬一体化解决方案技术领先
• 扎实的C/C++和CUDA编程能力，能进行系统性的性能优化
• 丰富的网格和点云处理经验，熟悉多视图几何、网格修复、LOD、纹理贴图等经典三维重建技术
• 熟悉CGAL、PCL、OpenMesh、OpenGL、OpenCV等常用库，了解图形学渲染管线
• 有3D语义分割、矢量化算法落地经验者优先

申请策略

• 在简历中量化成果，例如处理的数据规模（百万级点云）、速度提升倍数等
• 了解大疆行业应用方向（测绘、安防、农业等），在面试中体现业务理解
• 突出三维重建相关项目经验，尤其是大规模点云/网格处理、语义分割、矢量化成果
• 展示C++和CUDA性能优化案例（如加速比、内存优化等），体现工程能力
• 列出熟悉的具体库（CGAL、PCL等）以及使用的深度框架（如PyTorch），附上算法落地效果
• 深入学习CUDA编程和GPU性能调优，可参加相关课程或完成开源优化项目
• 复习多视图几何、三维重建经典论文（如COLMAP、NeRF等），并动手复现
• 熟悉大疆行业产品（如智图）的功能，尝试用开源数据实现类似流程

面试指南

• 对于算法原理题，先简述核心概念，再结合项目经验说明实际应用中的挑战和解决方案
• 对于优化题，遵循'问题定位 → 方法对比 → 实验验证 → 效果量化'的结构
• 对于场景题，可先拆解问题，分析输入输出，再分步骤讨论技术选型
• 请解释多视图几何中三角测量的原理，以及如何应对噪声和异常点？
• 如何对大规模点云进行高效的LOD构建？有哪些加速策略？
• 请描述一个你优化网格修复算法的案例，从瓶颈分析到最终效果
• CUDA中如何优化内存访问模式以提高带宽利用率？举例说明
• D语义分割中，如何平衡精度和推理速度？你有使用过哪些方法？