黑芝麻
感知融合算法工程师(J10811)
感知融合算法工程师(J10811)
发布于 7 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Adas
传感器融合
后处理算法
感知融合
深度学习
算法开发
自动驾驶
车道线检测
值不值得投
76综合评分
综合评分 76
前沿自动驾驶算法岗，技术成长性强，薪资有竞争力，但WLB可能一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
30K
比自动驾驶中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中自动驾驶 8 个
市场机会
选择面较广
上海 · 自动驾驶 · 87 个在招
职位详情
关于这个职位
该职位负责自动驾驶系统中感知融合算法的开发与优化，专注于车道线检测、可行驶区域处理等后处理算法，确保输出稳定高精度的结构化数据，并参与多传感器信息融合及测试验证工作
工作职责
负责ADAS/自动驾驶系统中车道线检测，可行驶区域,路标等元素的后处理算法开发与优化，确保输出稳定、高精度的结构化结果
设计并实现高效的后处理算法，将深度学习模型输出的原始车道线,可行驶区域数据转化为平滑、符合几何约束的结构化数据
开发复杂场景下的逻辑处理模块，包括车道线拼接、拟合、跳变抑制、虚实线分类，以及Freespace的边缘优化、障碍物轮廓提取、拓扑关系构建等
参与多传感器（如相机、毫米波雷达）的车道线信息融合算法开发
支持感知算法的功能测试与场景覆盖验证，协同测试团队完成闭环测试
AI 洞察
优缺点分析
优点
- 技术前沿，直接参与自动驾驶感知融合这一核心模块开发
- 公司为已上市大型企业，平台资源丰富，项目落地机会多
- 行业处于高速增长赛道，职业前景广阔
- 技术难度高，需处理复杂场景和多传感器数据融合问题
- 自动驾驶行业竞争激烈，对算法性能和稳定性要求极高
- 适合对自动驾驶技术有浓厚兴趣、具备扎实算法和编程基础、喜欢解决复杂工程问题的求职者
缺点 / 挑战
- 项目时间压力可能较大，需要持续学习和快速迭代
角色解读
- 从算法工程师成长为高级算法专家，主导核心感知模块开发
- 转向技术管理，带领小团队负责感知融合方向
- 扩展至自动驾驶全栈算法，或向研究岗位发展
- 开发自动驾驶感知系统的后处理算法，将深度学习输出转化为结构化数据
- 设计复杂场景下的逻辑处理模块，如车道线拼接和可行驶区域边缘优化
- 参与相机、雷达等多传感器的数据融合算法开发
- 支持算法功能测试与场景验证，协同团队完成闭环测试
- 扎实的算法开发能力，熟悉C++或Python编程
- 了解深度学习模型，特别是计算机视觉和感知领域
- 具备传感器融合经验，能处理多模态数据
- 熟悉自动驾驶系统，了解车道线检测、Freespace等概念
申请策略
- 提前研究黑芝麻智能的自动驾驶产品和技术路线，在面试中展现匹配度
- 准备展示处理复杂场景算法问题的案例，如车道线跳变抑制或边缘优化
- 突出在自动驾驶、计算机视觉或传感器融合领域的项目经验
- 强调算法开发能力，如使用C++/Python实现高效后处理模块
- 展示对深度学习模型输出优化的具体成果，如精度提升或性能改进
- 深化对自动驾驶感知流程的理解，学习车道线检测、Freespace等算法细节
- 提升C++工程优化能力，以应对高效实时处理需求
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述过往项目经验
- 强调算法设计的权衡，如精度、实时性和鲁棒性
- 展示对问题本质的理解，从数据预处理到后处理的完整链路
- 如何设计一个高效的车道线后处理算法来保证输出稳定性？
- 在多传感器融合中，如何处理相机和雷达数据不一致的情况？
- 请举例说明你如何优化深度学习模型输出以符合几何约束？
- 如何验证感知算法在复杂场景下的功能完整性？
- 复习自动驾驶感知算法基础知识，特别是感知后处理和融合部分
职位点评
薪资福利80
成长发展85
工作生活60
使命价值75
薪资福利
80较高
职位未披露具体薪资，但基于公司规模和行业，补偿性动机满足较好。
薪资信号未披露（AI估算：2–4万/月）
成长发展
85较高
涉及自动驾驶感知融合算法开发，技术前沿，对技能成长和行业经验积累有较高价值。
技术前沿前沿/新兴技术
技术栈自动驾驶、传感器融合、深度学习、车道线检测、后处理算法
业务类型profit_center
工作生活
60中等
工作地点在上海，未提及办公模式和WLB，可能工作强度较高，生活化动机满足有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶技术对提升交通安全和效率有积极社会影响，行业前景好，意义感动机较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs