中/高级计算机视觉算法工程师（动态感知）

优缺点分析

角色解读

• 技术专家路线：深入感知算法领域，成为多目标跟踪或端到端感知的权威
• 技术管理路线：从IC逐步成长为算法团队负责人或技术总监，主导更大规模的系统方案
• 跨领域发展：结合嵌入式或系统架构知识，转型为机器人系统架构师
• 设计并研发动态目标的识别跟踪算法，包括多目标跟踪和轨迹预测
• 构建基于时序和多传感器融合的端到端感知系统，提升机器人或无人机对环境的理解能力
• 与嵌入式工程师协作，将算法移植和优化到硬件平台，确保实时性和鲁棒性
• 主导智能功能系统方案的设计与交付，协调跨模块沟通
• 扎实的深度学习和计算机视觉基础，熟悉目标检测、多目标跟踪、轨迹预测等核心算法
• 精通C++和Python，熟练使用PyTorch和ROS进行算法开发
• 具备多传感器融合和时序建模经验，了解传感器特性和标定
• 有算法产品落地经历，能平衡算法性能与计算资源限制

申请策略

• 在简历和面试中强调“从算法到产品”的完整链路，体现工程化思维
• 了解大疆在机器人感知领域的最新进展，展示对该方向的热情和见解
• 突出多目标跟踪、轨迹预测相关的项目或研究经历，最好有论文或竞赛成果
• 强调将算法部署到硬件平台的实际经验，包括模型压缩、量化、推理加速等
• 展示C++/Python/PyTorch/ROS的熟练程度，尤其是嵌入式开发相关案例
• 如果有开源贡献或技术博客，可以体现技术影响力
• 补充嵌入式算法优化知识，如TensorRT、ONNX、模型轻量化技术
• 系统学习多传感器融合（如IMU/视觉/激光雷达）的原理和常用方法

面试指南

• 对于算法问题：先概述核心原理，再分析适用场景和局限，最后结合自身经验谈优化方向
• 对于系统设计问题：从输入输出出发，分模块阐述（感知、融合、预测），强调关键技术选型和权衡
• 对于项目经验问题：采用STAR法则（情境-任务-行动-结果），突出个人贡献和量化成果
• 请详细解释多目标跟踪（MOT）的主要挑战和主流方法（如SORT/DeepSORT、TransTrack等）
• 如何设计一个基于视觉和IMU融合的端到端感知系统？请描述系统架构和关键技术
• 在嵌入式平台上部署深度学习模型时，你如何进行精度和速度的平衡？请举例
• 描述你过去负责的一个算法落地项目，包括遇到的困难、优化过程和最终效果
• 你对Transformer在计算机视觉中的应用（如DETR、ViT）有什么看法？是否适用于动态感知？