定位建图算法工程师(J10872)

优缺点分析

角色解读

• 技术专家路径：深耕定位建图领域，成为多传感器融合、高精地图或特定场景算法的技术专家
• 系统架构师路径：从算法模块负责人逐步成长为负责整个定位系统架构设计的技术领导者
• 管理路径：在具备技术深度后，可带领算法团队，负责项目管理与技术方向规划
• 设计和开发将GNSS、LiDAR、摄像头等多种传感器数据融合，以确定车辆高精度位置的算法
• 构建和维护用于自动驾驶的高精度地图，并实现地图的实时更新与在线评估
• 将复杂的算法定位建图算法部署到车载嵌入式计算平台上，并进行性能优化以确保实时性
• 解决隧道、高架桥等极端场景下的定位难题，保障系统可靠性
• 精通SLAM、卡尔曼滤波、图优化等核心算法原理及其工程实现
• 具备熟练的C++和Python编程能力，能够将算法转化为高效、稳定的代码
• 熟悉LiDAR、Camera、IMU等传感器特性及数据处理方法，拥有传感器融合项目经验
• 掌握良好的数学基础，包括线性代数、概率论与优化理论，以支撑算法设计与问题分析

申请策略

• 仔细研究黑芝麻智能的产品定位和技术路线，在面试中展示你对其业务的理解和认同
• 准备一个你解决过的最具挑战性的定位或建图问题，用STAR法则清晰地讲述你的思考和解决过程
• 重点突出SLAM、多传感器融合、高精地图等核心项目的具体成果，最好能体现算法优化和工程落地细节
• 强调C++/Python编程能力，以及在ROS/ROS2环境下的开发经验
• 如果有LiDAR、Camera、IMU等传感器数据处理的项目经历，务必详细描述
• 展示良好的数学基础，可以在简历中列举学过的相关课程或在项目中的应用
• 可以学习并实践ROS2，了解其与ROS1的区别及在现代自动驾驶架构中的应用
• 深入了解一个具体的车载计算平台（如NVIDIA Orin/Xavier）及其软件栈（如CUDA, TensorRT），研究算法移植与优化方法

面试指南

• 对于系统设计问题，可以采用“问题-方案-验证-优化”的框架：首先明确要解决的核心问题（如隧道定位），然后提出技术方案（如IMU+轮速里程计融合），接着说明如何验证方案有效性（仿真与实车测试），最后讨论可能的优化方向
• 对于算法原理问题，要讲清核心思想、适用场景和局限性，并尽可能结合项目经验举例说明
• 对于挑战性问题，可以采用“STAR”法则（情境、任务、行动、结果），结构化地描述你在具体项目中遇到的技术难题、你的分析思路、采取的行动以及最终取得的效果
• 请描述一个你在项目中实现的多传感器融合定位系统，遇到了哪些关键挑战以及如何解决的？
• 在弱GPS信号区域（如隧道、地下车库），如何保证定位的连续性和精度？
• 你了解的高精地图构建和更新流程是怎样的？在线更新和离线更新有什么区别和挑战？
• 将SLAM算法从PC端部署到车载嵌入式平台时，主要会考虑哪些优化点？
• 如果让你设计一个针对中国城市复杂道路的定位鲁棒性评估体系，你会包含哪些指标和测试场景？