中/高级计算机视觉算法工程师（三维重建-SLAM）

优缺点分析

角色解读

• 技术路径：从算法工程师到高级算法专家，深耕SLAM与三维重建领域，成为技术负责人
• 管理路径：可向技术经理或团队leader发展，带领团队攻克技术难题，推动产品落地
• 跨领域发展：横向拓展到机器人导航、自动驾驶、AR/VR等相关领域，职业空间广阔
• 研究并实现三维重建、SLAM等前沿算法，提升大疆产品的空间感知与建模能力
• 融合激光雷达、相机、IMU等多传感器数据，开发稳定鲁棒的定位与建图方案
• 将算法落地到实际产品中，优化性能与效率，支持测绘、农业等行业的软硬一体化方案
• 跟踪学术界最新进展，撰写技术文档，参与团队知识分享
• 扎实的SLAM与三维重建理论基础，熟悉多视图几何、非线性优化、状态估计等
• 精通C++/Python，有较强的算法实现和调优能力
• 熟悉激光雷达、相机、IMU等传感器特性，具备多传感器融合经验
• 有点云处理、图像处理经验，熟练使用相关开源库（如PCL、OpenCV）

申请策略

• 在简历或求职信中表达对三维重建技术落地的热情，结合大疆的产品特点（如无人机、手持云台）提出自己的想法
• 关注大疆行业应用部门的技术博客或开源项目，提前了解团队的工作风格和技术栈
• 突出SLAM相关的项目经验，尤其是多传感器融合的实际案例，量化性能指标（如定位精度、建图质量）
• 强调数学基础和多视图几何、非线性优化方面的论文、课程或竞赛成果
• 展示编程能力，熟练使用的库和工具（如Eigen、Ceres、g2o、OpenCV、PCL）
• 如果有ICRA/CVPR等顶会论文，务必放在显眼位置
• 深入复习多视图几何、李群李代数、图优化等理论基础，巩固SLAM经典框架（ORB-SLAM、LIO-SAM等）
• 动手复现一个多传感器的SLAM系统，熟悉数据同步、标定、状态估计等环节

面试指南

• 对项目类问题：采用STAR法则（情境-任务-动作-结果），强调你的贡献和量化成果
• 对理论类问题：先概述核心原理，再补充细节或推导公式，最后联系实际应用中的注意事项
• 对开放性问题：先分析问题的关键难点，然后提出多种解决思路，并比较优缺点，展示系统性思考
• 请详细描述你做过的一个SLAM项目，包括传感器配置、算法框架、遇到的主要挑战及解决方案
• 如何融合IMU和视觉信息进行状态估计？请介绍VIO的基本原理
• 多传感器融合中如何进行时间同步和空间标定？
• 在复杂场景（如动态物体、弱纹理）下，如何保证SLAM的鲁棒性？
• 请解释非线性优化中雅可比矩阵的推导，以及如何用Ceres或g2o实现