视觉/激光SLAM算法工程师

优缺点分析

角色解读

• 沿算法专家路线深耕，可成长为多传感器融合定位与感知方向的技术骨干或技术负责人
• 借助工程机械智能化、无人化趋势，向无人施工装备、数字孪生等交叉领域拓展
• 具备实机部署与项目主导经验后，可转向技术方案规划或小型算法团队管理
• 围绕工程机械装备开展点云实时定位、三维建图与动态障碍物检测算法研发，涵盖几何方法与深度学习两条技术路线
• 负责多传感器融合SLAM、多源传感器标定、数字孪生建图及地图元素识别等子模块的方案设计与落地实施
• 同时参与技术资料编制、技术方向规划与硬件选型等协作性工作
• 扎实的C/C++工程能力与Visual/Lidar SLAM理论基础，熟悉多视图几何、VIO/LIO与多传感融合
• 熟练掌握至少一种主流SLAM框架（LOAM、Fast-LIO、ORB-SLAM、Colmap、VINS-Mono等）
• 理解卡尔曼滤波、粒子滤波、非线性优化等状态估计方法，并具备将其用于融合定位调优的能力

申请策略

• 提前了解中联重科在智能施工装备、无人化作业方面的产品与业务方向，面试中可将算法能力与工程机械实际工况结合表达
• 关注岗位涉及的深度学习点云方法与数字孪生建图，准备相关认知以体现技术广度
• 重点突出C/C++工程实现能力与SLAM相关项目，量化说明定位精度、建图效果或实时性等指标
• 列出使用过的SLAM框架（如Fast-LIO、VINS-Mono、ORB-SLAM）及在其中的具体贡献
• 若有移动机器人、无人车或无人机的实机部署经验，务必写明平台、传感器配置与遇到的问题及解决方案
• 补充多传感器标定、融合定位调优的实战案例
• 巩固多视图几何、状态估计与非线性优化（Ceres/g2o）的理论与代码实现
• 提前熟悉LOAM/Fast-LIO系列激光SLAM与VINS-Mono等视觉惯性方案的源码结构

面试指南

• 采用STAR结构讲项目：先交代场景与目标，再说你负责的模块与技术选型理由，最后给出量化结果与复盘
• 技术类问题先讲原理与公式直觉，再落到工程实现与调优经验，体现理论到落地的闭环
• 方案设计题按「需求→传感器选型→算法框架→标定与同步→评估指标→风险与备选」的逻辑分层作答
• 请介绍你做过的一个SLAM项目，说明采用的框架、传感器配置、精度与实时性指标，以及你解决的关键问题
• VIO与LIO各自的优缺点是什么？在工程机械这类振动大、环境非结构化的场景下你会如何选择与融合？
• 请讲讲卡尔曼滤波与非线性优化在融合定位中的适用差异，你做过哪些调优？
• 多传感器（激光、相机、IMU、GNSS、轮速计）的时间同步与外参标定你会怎么做？
• 如果要在工程机械装备上部署实时建图与动态障碍物检测，你如何设计方案与评估落地风险？