中联重科
3D算法工程师
3D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计算机视觉工程
计算机视觉工程
Cuda
Opencl
Opencv
Pcl
三维重建
点云处理
结构光
值不值得投
薪资怎么样
2.0万
比计算机视觉工程中位数低
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 · 其中计算机视觉工程 6 个
职位详情
关于这个职位
该岗位面向工业场景研发3D视觉底层算法，涵盖点云处理、三维重建、空间标定与特征提取，并将算法落到上下料、分拣、配盘、装配协同等实际项目
你需要在C/C++与PCL/OpenCV/Halcon等工具上完成算法开发与性能加速，并主导项目中疑难算法问题的攻关
最低要求
本科及以上学历，图像处理、模式识别、计算机图形学、应用数学等相关专业
年及以上三维重建相关项目开发经验
熟悉线激光、结构光、多目等三维重建算法原理，精通三维点云处理或三维网格剖分的理论和算法
熟悉算法优化加速技术，能够使用SSE/OpenCL/CUDA对算法进行加速
熟练掌握C/C++语言，熟悉常用的图像处理库，OpenCV/Halcon/PCL等，具有优异的编程基础和良好的编程习惯
较强的分析能力和创新意识
工作职责
负责3D底层算法库研发工作，保证在工业全场景下的3D视觉和空间处理技术的先进性
负责3D点云处理、3D空间标定、点云拼接、滤波、分割、特征提取等，根据实际项目需求进行目标检测或几何测量
负责上下料、分拣、配盘、装配协同等项目的方案设计与实施，对项目中遇到的实际疑难算法问题，主导底层算法重点难点攻克
优先资格
熟悉一种或多种CAD内核者优先
AI 洞察
优缺点分析
优点
- 技术栈聚焦且扎实，3D视觉与点云是工业自动化中长期存在的刚需能力，经验可复用性强
- 项目场景丰富，从上下料到装配协同，能积累完整的工业落地经验而不是只做离线demo
- 岗位包含底层算法库建设，有利于形成体系化的算法工程能力
- 工程机械行业头部平台，项目规模较大、资源相对充足
- 工业现场光照、反光、来料差异等干扰大，算法鲁棒性和调参工作量都不小
- 既要写底层算法又要跟进项目交付，容易出现多线并行、节奏紧张的情况
- 适合有一定三维视觉/点云基础、愿意在工业现场打磨算法落地能力，并希望在技术纵深上长期积累的工程师
缺点 / 挑战
- 三维重建与GPU/指令集加速同时要求精通，技术门槛和学习曲线较高
角色解读
- 沿技术纵深发展，成长为3D视觉/点云算法专家，主导算法库架构与技术路线
- 转向项目技术负责人，统筹视觉方案设计、团队协作与现场交付
- 能力可迁移到机器人视觉、具身智能、工业检测等方向，横向拓展职业空间
- 建设并维护3D底层算法库，覆盖点云拼接、滤波、分割、特征提取等基础能力，保证在公司工业场景下的技术先进性
- 负责线激光、结构光、多目等三维重建与空间标定方案的设计实现，并根据项目需求完成目标检测或几何测量
- 深入上下料、分拣、配盘、装配协同等具体项目，从方案设计到现场实施全程参与，主导疑难算法问题的攻关
- 对算法进行工程化优化与加速，使其满足工业现场的实时性与稳定性要求
- 扎实的三维视觉理论功底，理解线激光、结构光、多目重建的原理与误差来源
- 精通点云处理或三维网格剖分算法，能独立完成配准、拼接、分割、特征提取等模块开发
- 熟练的C/C++工程能力，熟悉OpenCV、PCL、Halcon等图像与点云库
- 掌握SSE/OpenCL/CUDA等加速手段，能把算法性能优化到可交付水平
申请策略
- 面试前了解中联重科的智能制造与产线自动化业务，理解算法在其中承担的角色
- 提前确认岗位实际办公地点与是否需要驻厂支持项目现场
- 突出三维重建项目经历，写清楚用了线激光/结构光/多目中的哪种方案，以及精度、速度等量化指标
- 详细描述点云处理模块（配准拼接、滤波、分割、特征提取）中你负责的部分和具体算法选型
- 体现C/C++工程能力与加速经验，如使用CUDA/OpenCL/SSE将某算法耗时降低的实例
- 若有上下料、分拣、装配等工业项目落地经验，务必单独列出并说明现场问题如何解决
- 复习并动手实现点云配准（ICP及其变体）、分割（RANSAC、区域生长）等经典算法，做到能讲清原理与局限
- 补充CUDA或OpenCL的并行编程练习，准备一个自己写过的加速案例
面试指南
- 项目类问题按「场景与难点—方案选型理由—实现细节—量化结果—复盘改进」的结构回答，用数据收尾
- 算法原理题先讲清数学与假设，再讲工程中会遇到的失效场景和你的应对策略，体现落地思维
- 方案设计题先确认需求边界（节拍、精度、来料形态），再给出传感器选型、算法链路和验证方式
- 请介绍你做过的一个三维重建项目，采用了什么方案，精度和速度指标如何？
- 点云配准中ICP容易陷入局部最优，你在项目中是如何改进或规避的？
- 面对工业现场反光、来料差异大的情况，你如何提升点云分割与检测的鲁棒性？
- 你用过哪些算法加速手段？请举一个把某个算子优化到实时水平的例子
- 如果让你设计一条上下料工位的视觉方案，你会怎么拆解需求并选型传感器？
Watch Jobs