算法工程师 - SLAM定位建图

优缺点分析

角色解读

• 技术深耕：成为SLAM/定位领域的专家，主导核心算法研发
• 架构升级：转向系统架构设计，负责定位系统整体方案
• 管理方向：带领团队，负责算法团队的技术规划和管理
• 研发和优化车端视觉定位系统，提升定位精度和稳定性
• 实现多相机视觉重定位、增量建图和地图更新算法
• 探索并应用SOTA方法改进视觉初始化效率
• 扎实的计算机视觉和SLAM理论基础，包括多视图几何、图优化等
• 熟练使用C++及常用SLAM框架（如ORB-SLAM、VINS）
• 熟悉深度学习在视觉定位中的应用，如场景识别和特征匹配

申请策略

• 了解小马智行的技术路线和产品方向，在面试中展现匹配度
• 准备一个完整的SLAM项目案例，从问题到解决方案
• 突出SLAM项目经验，特别是视觉定位、建图相关成果
• 展示C++开发能力，如开源框架贡献或高性能代码优化
• 强调数学功底，如优化理论、多视图几何等
• 深入学习ORB-SLAM、VINS等框架源码
• 补充深度学习在视觉定位中的应用知识

面试指南

• 对于算法原理问题，先给出核心概念，再结合公式或伪代码解释
• 对于项目经验问题，采用STAR法则：情境、任务、行动、结果
• 对于系统设计问题，先明确目标，再分模块讨论，最后总结权衡
• 请解释ORB-SLAM中的图优化是如何工作的？
• 如何解决视觉SLAM中的尺度漂移问题？
• 描述一个你参与过的视觉定位项目，遇到的最大挑战是什么？
• 在增量建图中，如何处理动态物体？
• 如何评估视觉定位系统的精度？