SRCB-点云数据处理与算法开发实习生

优缺点分析

角色解读

• 从实习生转正为正式研究工程师，深入3D视觉和AI算法
• 向算法研究员或技术专家方向发展，发表论文或专利
• 向自动驾驶、机器人、AR/VR等热门领域发展
• 负责点云数据的预处理，包括去噪、滤波、聚类和几何特征计算
• 研究并实现基于深度学习的点云分割算法
• 参与算法在具体项目中的落地和优化
• 可能需要阅读文献、进行实验对比、编写代码
• 熟练掌握Python或C++，能在Linux环境下开发
• 熟悉PCL、Open3D等点云库，或PyTorch/TensorFlow等深度学习框架
• 有扎实的数学基础，包括线性代数、概率统计和三维几何
• 有LiDAR数据处理、检测、分割等项目的实际经验

申请策略

• 在简历中详细描述项目中的技术难点和解决方案，突出独立思考能力
• 关注三星研究院的研究方向，在面试中展现对业务的了解
• 突出点云处理或深度学习相关的项目经历，最好有具体成果
• 展示熟练使用PCL、Open3D、PyTorch等工具的技能
• 强调数学基础和编程能力（Python/C++、Linux）
• 如果有公开发表的论文或获奖经历，要重点列出
• 提前熟悉点云处理库PCL/Open3D，并动手实现一些常见算法
• 复习深度学习知识，尤其是点云分割网络（如PointNet、PointNet++）

面试指南

• 对于项目类问题，按照“背景-任务-行动-结果”的STAR法则回答，突出个人贡献和技术细节
• 对于算法类问题，先解释基本原理，再结合具体例子说明
• 对于工具类问题，可以对比各自优缺点，展示自己的理解
• 请介绍一下你做过的点云处理项目，遇到了哪些挑战？
• 点云分割的经典方法有哪些？你熟悉哪些？
• 如何对一个点云进行去噪？有哪些常用滤波算法？
• 你如何使用PyTorch实现一个简单的点云分类网络？
• 描述一下PCL和Open3D的区别和适用场景