（上海）感知融合算法工程师(J10467)

优缺点分析

角色解读

• 在技术深度上持续精进，成为感知融合领域的技术专家或算法架构师，负责更复杂的系统设计和创新
• 拓展能力边界，可能向感知系统的全栈开发（如预测、规划）或自动驾驶系统架构师方向发展
• 积累项目管理经验后，可转向技术管理岗位，带领团队负责更大的模块或子系统开发
• 开发自动驾驶感知系统的核心算法，特别是将摄像头、激光雷达、毫米波雷达等多传感器数据进行融合，以实现对周围环境更准确、更全面的感知
• 负责感知算法的后期处理，例如将不同传感器检测到的目标进行跟踪和融合，对车道线等关键信息进行平滑和优化，确保输出结果的稳定性和可靠性
• 开发在线实时建图算法，让车辆能够动态构建和更新周围的高精地图信息
• 将算法模型进行工程化落地和优化，确保其在车载计算平台上达到量产要求的性能和实时性
• 扎实的计算机视觉与多传感器融合算法知识，熟悉卡尔曼滤波等经典融合方法，并了解BEV（鸟瞰图）等前沿感知技术
• 具备视觉模型（如车道线检测、目标检测）的开发和实际量产经验，能够将算法从研究推向工程应用
• 熟练的C++和/或Python编程能力，具备良好的工程实现和代码优化能力，以满足车载系统的实时性要求
• 对自动驾驶感知系统有整体理解，能够处理从算法开发到系统集成的各种挑战

申请策略

• 研究黑芝麻智能在自动驾驶芯片、算法栈方面的公开技术资料和产品发布，了解其技术路线和重点方向，在面试中展示你的匹配度和热情
• 准备一个能清晰阐述的、体现你解决复杂技术问题能力的深度项目案例
• 重点突出在计算机视觉、多传感器融合、自动驾驶感知等领域的项目经历，尤其是涉及量产交付或实车测试的成果
• 详细描述在具体项目中负责的算法模块（如卡尔曼滤波应用、后处理逻辑、融合框架），以及遇到的挑战和取得的量化效果
• 清晰列出掌握的编程语言（C++/Python）及相关工具链，以及熟悉的具体算法、模型和库（如OpenCV、PCL、ROS等）
• 深入学习和实践BEV感知、Transformer在感知中的应用等前沿技术，以匹配加分项要求
• 系统梳理并深化对卡尔曼滤波、多目标跟踪、点云处理等核心算法的理解和实现能力
• 参与或复现一些开源的自动驾驶感知项目（如nuScenes、KITTI数据集相关），积累完整的开发经验

面试指南

• 使用STAR法则回答项目问题：清晰阐述背景(Situation)、任务(Task)、具体行动(Action)和最终结果(Result)，重点突出技术选型、算法实现和优化过程
• 对于技术原理类问题，采用“定义-原理-应用-优缺点-改进”的框架进行回答，体现系统性的理解，而非死记硬背
• 对于开放性问题，展现你的技术视野和批判性思维，可以结合实际经验或论文观点，有理有据地分析
• 请描述一个你参与过的多传感器融合或视觉感知的量产项目，你在其中负责什么？遇到了哪些主要技术挑战，是如何解决的？
• 请解释一下卡尔曼滤波在感知融合中的应用场景，以及它有哪些局限性？如果让你改进，你会怎么做？
• 视觉前融合和后融合有什么区别？各自的优缺点是什么？在自动驾驶场景下，如何选择？
• 如何评估一个在线实时建图算法的好坏？有哪些关键的性能指标？
• 你对BEV感知和端到端自动驾驶有什么看法？你认为它们在工程落地中最大的挑战是什么？