中联重科
多传感器融合算法工程师
多传感器融合算法工程师
发布于 12 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
Bev感知
Ekf
Imu
Ukf
卡尔曼滤波
图优化
多传感器融合
毫米波雷达
激光雷达
值不值得投
薪资怎么样
4.0万
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
7 个在招
职位详情
关于这个职位
你将负责工程机械多传感器（激光雷达、视觉、毫米波雷达、IMU）融合算法的整体架构设计与工程化落地，基于卡尔曼滤波、图优化及 BEV 感知框架实现定位、位姿解算与目标跟踪，并主导时间/空间同步与联合标定，解决高频震动下的时序错乱与位姿漂移等核心痛点，让工程机械在恶劣工况下实现稳定可靠的自主感知
最低要求
硕士及以上学历，计算机、电子等相关专业，博士优先
精通至少一门编程语言，如C++、Python、Java等
精通激光 + 视觉 + 毫米波雷达 + IMU多传感器融合架构，熟悉卡尔曼滤波、EKF、UKF、贝叶斯估计、图优化相关算法
掌握前融合、中融合、后融合、BEV 融合方案，了解当前自动驾驶主流 BEV 感知框架
能完成时间同步、空间同步（联合标定），解决工程机械震动带来的传感器时序 / 位姿漂移问题
具备感知结果置信度评估、多源信息冗余校验、故障切换逻辑设计能力（L4 安全核心）
工作职责
负责工程机械激光雷达、视觉、毫米波雷达、IMU 多传感器融合算法整体架构设计、开发、迭代与落地验证，搭建稳定可靠的多源感知融合系统
基于卡尔曼滤波、EKF、UKF、贝叶斯估计、图优化等理论，设计适配工程机械作业工况的状态估计、位姿解算与目标融合跟踪算法，保障定位与目标检测精度
研究并落地前融合、中融合、后融合、BEV 多类融合技术方案，跟进业内主流自动驾驶 BEV 感知框架，结合工程机械场景完成算法适配、优化与工程化改造
主导多传感器时间同步、空间同步方案开发，完成相机、激光、毫米波、IMU 联合标定工具链搭建，针对性解决工程机械高频震动引发的传感器时序错乱、位姿漂移、标定失效等核心痛点问题
跟踪前沿技术，开展技术预研，沉淀适配工程机械复杂恶劣工况的融合算法技术资产
优先资格
博士优先
AI 洞察
优缺点分析
优点
- 多传感器融合与 BEV 感知是自动驾驶与机器人领域的核心前沿技术，技能积累含金量高、可迁移性强
- 适合具备感知算法基础、对多传感器融合与 BEV 感知有热情，且愿意深入工程机械这一垂直场景打磨落地能力的算法工程师
缺点 / 挑战
- 职位覆盖从架构设计到落地验证的完整链路，能系统锻炼工程化能力，且工程机械场景的震动、恶劣工况问题具有独特技术挑战和沉淀价值
- 工程机械场景震动强、工况复杂，时序与标定问题的工程难度较高，需要反复调试与现场验证
- 多传感器融合涉及雷达、视觉、IMU 多领域知识，学习曲线陡峭，同时需兼顾前沿技术预研与产品落地的时间压力
角色解读
- 可沿算法专家路线深耕多传感器融合与 BEV 感知，成为工程机械/自动驾驶感知领域的资深专家
- 也可向感知系统架构师、算法团队负责人方向发展，或转向更广阔的量产自动驾驶、机器人感知平台
- 负责工程机械上激光雷达、视觉、毫米波雷达、IMU 多源传感器的融合感知系统从架构设计到工程落地的全过程
- 基于卡尔曼滤波、图优化与 BEV 融合框架，实现状态估计、位姿解算与目标跟踪，并搭建时间/空间同步与联合标定工具链，解决工程机械强烈震动导致的时序错乱和位姿漂移
- 需要精通 C++/Python 编程与多传感器融合架构，熟悉 EKF、UKF、贝叶斯估计、图优化等滤波与估计理论
- 掌握前融合/中融合/后融合/BEV 融合方案及主流自动驾驶 BEV 感知框架，具备时间与空间联合标定的工程能力
- 还要能设计感知置信度评估、冗余校验与故障切换等 L4 安全逻辑
申请策略
- 了解中联重科在工程机械智能化、无人化方向的业务布局与产品线，面试中可结合其真实工况场景谈融合方案适配
- 提前确认工作地点在长沙还是上海，以便准备相应的落户与生活安排
- 突出多传感器融合项目经验，量化定位/检测精度或稳定性提升效果
- 写明使用过的滤波/估计算法（EKF、UKF、图优化）与 BEV 融合方案，并列举时间同步、联合标定的实操案例
- 强调 C++/Python 工程实现与量产落地经验，尤其是应对震动、标定失效等疑难问题的解决过程
- 提前熟悉工程机械作业工况特点及震动对传感器时序/标定的影响，补充相机-激光-毫米波-IMU 联合标定的实操经验
- 系统梳理主流 BEV 感知框架（如 BEVFormer、BEVDet 等）的演进与工程化要点，并强化 L4 安全相关的冗余校验与故障切换设计思路
面试指南
- 使用 STAR 结构描述项目，先讲清场景与难点（如震动、恶劣工况），再说技术选型理由与具体实现，最后用量化指标说明效果
- 面对算法原理题，先讲清各方法的假设与适用边界，再结合实战说明取舍依据
- 对开放性工程问题，可从问题拆解、方案对比、验证方式三层作答，体现系统性思维
- 请介绍一个你主导的多传感器融合项目，如何设计前/中/后融合方案并评估效果？
- 卡尔曼滤波、EKF、UKF 与图优化各自的适用场景和优缺点是什么？你在项目中如何选择？
- 工程机械高频震动导致传感器时序错乱和位姿漂移，你会如何设计同步与标定方案？
- 你如何理解 BEV 感知框架？在资源受限或工况复杂的场景下如何做适配与优化？
- 如何设计感知结果的置信度评估与多源冗余校验、故障切换逻辑？
Watch Jobs