（武汉）-感知融合算法工程师(J10469)

优缺点分析

角色解读

• 从算法工程师成长为高级感知算法专家，深耕技术细节
• 转向技术管理岗位，负责团队或项目模块
• 参与更复杂的自动驾驶系统开发，如端到端或全局规划
• 开发自动驾驶感知算法，重点实现视觉与激光/毫米波雷达的前融合
• 负责在线实时建图技术的实现与优化
• 处理感知后任务，包括目标融合、车道线后处理，确保算法在量产环境中的稳定性
• 参与感知系统的整体架构设计与性能提升
• 熟练掌握C++或Python编程，具备扎实的算法基础
• 拥有视觉模型开发经验，熟悉车道线检测、目标检测或建图相关技术
• 了解卡尔曼滤波、感知后处理及多传感器融合原理
• 具备模型实际量产经验，能处理工程化落地中的挑战

申请策略

• 提前了解黑芝麻智能的主营业务（如自动驾驶芯片）和产品方向，展示对公司的兴趣
• 准备技术面试时，复习核心算法和代码实现，并模拟解决感知领域的典型问题
• 重点突出视觉感知、多传感器融合相关的项目经验，尤其是量产成果
• 强调C++或Python编程能力，以及解决实际工程问题的案例
• 展示对BEV、在线建图或端到端等新技术的了解或实践经历
• 量化工作成果，如算法性能提升百分比、项目交付效率等
• 补充BEV视觉感知或端到端自动驾驶的前沿知识，增强技术竞争力
• 深化对传感器融合算法的理解，如卡尔曼滤波的优化与变体应用

面试指南

• 使用STAR法则（情境-任务-行动-结果）组织回答，突出个人贡献和技术细节
• 结合项目经验，从问题定义、方案设计、实现验证到结果优化进行系统阐述
• 展示对技术原理的深入理解，避免泛泛而谈，可适当提及行业案例
• 请解释卡尔曼滤波在多传感器融合中的应用原理和优化点
• 描述一个你参与的量产感知算法项目，遇到了哪些挑战以及如何解决
• 如何评估和提升视觉感知模型在复杂场景下的鲁棒性？
• 如果让你设计一个在线实时建图模块，你会考虑哪些关键因素？
• 你对BEV视觉感知与雷达融合的技术趋势有什么看法？