中/高级计算机视觉算法工程师（深圳）

优缺点分析

角色解读

• 在感知算法方向深耕，从模块负责人到系统级算法架构师，主导多传感器融合方案
• 横向扩展至机器人系统全栈，或转向自动驾驶、具身智能等前沿领域
• 在技术管理方向发展，带领团队攻坚复杂感知问题，成为技术负责人
• 负责多模态感知算法的研发与产品化，包括视觉、激光雷达、毫米波雷达的深度估计、目标检测与分割等任务
• 与硬件团队协作，针对自研芯片设计高效的backbone和网络结构，并进行模型压缩与端侧部署
• 研究各类传感器特性，开发传感器融合算法，提升产品感知能力
• 跟踪前沿算法（如CVPR、ICCV论文），并导入新网络改善感知性能
• 扎实的计算机视觉和深度学习基础，熟悉多视图几何、检测、分割等算法
• 精通C++和Python，具备优秀的代码能力和工程化经验，有端侧部署经验者优先
• 熟悉机器人系统或自动驾驶系统，了解传感器（相机、激光雷达、IMU等）特性与融合
• 良好的数学能力（几何、统计、优化），能够独立复现和改进SOTA算法

申请策略

• 关注大疆招聘官网和校园宣讲，内推可提升简历曝光率
• 准备一个完整的感知算法项目案例，在面试时展示从设计到部署的细节
• 突出产品落地经验，尤其是从算法到端侧部署的全流程项目，量化性能提升（如延迟、精度）
• 强调机器人或自动驾驶系统经验，包括传感器融合、三维重建等相关项目
• 列出顶会论文、开源贡献或竞赛成绩，证明学术能力
• 补强模型压缩与端侧部署工具链，如TensorRT、ONNX、NCNN、量化感知训练等
• 加深对多传感器标定与融合的理解，可阅读团队开源方案或复现经典论文

面试指南

• 项目介绍使用STAR法则：背景、任务、动作、结果，突出个人贡献和量化成果
• 技术问题回答需先定义问题，再讲原理，最后结合实际经验，体现系统性思考
• 论文调研题应展示快速阅读和批判性思维，说明该论文的优缺点及适用场景
• 请详细介绍你参与的一个多模态感知项目，包括算法选型、模型优化、部署挑战
• 如何对卷积网络进行量化压缩，使其在嵌入式设备上实时运行？请谈谈QAT与PTQ的区别
• 介绍一下多视图几何中三角化和PnP的原理，如何提高三维重建的精度？
• 你如何跟踪前沿论文？请描述一篇你近期读过的CVPR/ICCV论文，并说明其创新点
• 复习经典CV算法（多视图几何、光流、3D检测）和主流深度学习模型（Transformer、ConvNeXt等）