德赛西威
定位/地图算法工程师（2027届-惠州）
定位/地图算法工程师（2027届-惠州）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Fast-Lio
Gnss/Ins
Lio-Sam
Loam
Pytorch
Ros
Slam
Vins-Mono
多传感器融合
值不值得投
74综合评分
综合评分 74
惠州SLAM/定位算法校招岗，技术纵深大、前沿性强，薪资与WLB信息未披露
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
1.9万
比自动驾驶中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
18 个在招 · 其中自动驾驶 2 个
职位详情
关于这个职位
面向2027届校招的定位/地图算法工程师岗位，工作地点惠州，负责建图定位核心算法研发，涵盖深度学习里程计、地图匹配、多传感器融合定位与地图引擎开发，支撑车辆精准定位
适合熟悉SLAM框架、具备C++/Python算法工程能力的硕士应届生
最低要求
硕士及以上学历，计算机、软件工程、车辆工程、自动化、机器人、测绘、导航、数学、GIS等相关专业，专业基础扎实
熟悉地理位置坐标系、里程计坐标系等各类定位坐标系定义，精通IMU、GNSS、摄像头、激光雷达、轮速等车载传感器工作原理、信号特性及优劣势
熟练掌握Linux环境下C++开发、编译与调试，精通Python数据分析与算法开发
熟悉PyTorch、Docker、ROS等开发工具与系统，具备完整的算法工程落地能力
熟练掌握LOAM、FAST-LIO、LIO-SAM、VINS-Mono等主流SLAM框架，熟悉GNSS/INS组合定位算法
了解SD/HD智驾地图格式
具备良好的算法调研、问题分析与攻坚能力，能够协同上下游完成算法联调、迭代与交付落地，学习能力强，关注定位建图与车载地图前沿技术
工作职责
负责建图定位核心算法研发与落地，实现基于深度学习的里程计算法、地图匹配算法及地图构建方案，开发基于图像、点云的地理位置识别算法，支撑车辆精准定位
主导多传感器融合建图定位算法的设计、开发、迭代与软件交付，对接上下游业务模块，持续优化算法性能，保障算法落地后的稳定性与可靠性
负责地图引擎核心功能开发、配套工具链搭建与迭代优化，常态化开展地图相关问题排查、复盘与优化，闭环各类线上及测试场景问题
持续调研深度学习、建图定位领域前沿技术与行业方案，探索新技术在定位构图任务中的落地应用，推动算法创新迭代与技术方案升级
优先资格
熟悉ADASIS、OpenDRIVE、OSM等开源地图规范者优先
熟悉QGIS、SQLITE工具
具备AI Agent落地开发、辅助解决实际研发问题的相关经验
了解各类视觉/语言大模型、有高水平论文产出、熟悉开源深度学习定位框架者优先
AI 洞察
优缺点分析
优点
- 定位建图是自动驾驶的核心基础能力，技术纵深大、人才稀缺
- 岗位覆盖算法研发到软件交付全流程，工程落地能力成长全面
- 接触深度学习与传统SLAM融合的前沿方向，学术与工程双通道发展
- SLAM与多传感器融合技术栈复杂，数学与工程双重要求高
- 算法需在真实车载场景中保证稳定性，问题排查与闭环工作量大
- 适合有SLAM或机器人定位项目经验、算法功底扎实、追求自动驾驶核心方向长期发展的硕士应届生
缺点 / 挑战
- 前沿技术迭代快，需要持续跟踪论文与行业方案，学习压力持续存在
角色解读
- 从定位算法工程师做起，逐步主导智驾定位模块的整体技术方案
- 向SLAM、多传感器融合或高精地图方向的资深算法专家发展
- 算法交付与团队协同经验积累后，可走向算法团队负责人或技术管理路线
- 研发基于深度学习的里程计、地图匹配与地图构建算法，开发图像/点云地理位置识别能力
- 主导多传感器融合建图定位算法的设计、迭代与软件交付
- 开发地图引擎核心功能与配套工具链，闭环线上及测试场景问题
- 调研SLAM与建图定位前沿技术，推动算法创新与方案升级
- 精通车载传感器（IMU、GNSS、激光雷达等）原理与定位坐标系定义
- 熟练掌握Linux下C++开发与Python算法开发，熟悉PyTorch、Docker、ROS
- 熟练掌握LOAM、FAST-LIO、LIO-SAM、VINS-Mono等主流SLAM框架
- 具备算法调研、问题攻坚与上下游协同联调的工程落地能力
申请策略
- 面试前梳理一个完整的「定位问题-排查-优化-验证」闭环案例
- 了解该公司智驾产品对定位精度的要求场景，展示业务理解
- 重点呈现LOAM系、VINS等SLAM框架的复现或改进项目
- 展示多传感器融合（GNSS/INS、激光雷达与IMU标定融合）的实践经验
- 有论文产出、竞赛获奖（如SLAM、自动驾驶相关）务必前置
- 强调C++工程能力与算法落地的完整闭环案例
- 深入理解FAST-LIO等主流框架的源码与数学推导
- 了解OpenDRIVE等地图规范与SD/HD地图格式
面试指南
- 原理类问题按「问题建模-数学推导-工程实现-效果」展开，突出理解深度
- 场景排查类问题展示「数据分析-假设验证-改进方案-回归验证」的闭环思路
- 工程类问题结合真实项目细节，量化说明优化效果
- 请介绍LIO-SAM或FAST-LIO的核心原理，因子图优化是如何工作的？
- IMU预积分的数学推导你能写出吗？
- GNSS/INS组合定位中紧组合与松组合的区别？
- 多传感器时间同步与外参标定你是如何处理的？
- 定位算法在隧道或城市峡谷场景失效，你会如何排查与优化？
职位点评
薪资福利65
成长发展90
工作生活58
使命价值78
薪资福利
65中等
JD未披露薪资与福利信息，仅说明招聘数量，算法类岗位待遇需面试确认。
薪资信号未披露（AI估算：1.4千–2.4万/月）
成长发展
90较高
定位建图属自动驾驶核心技术方向，岗位要求与JD明确鼓励前沿技术调研与创新落地，技术纵深与成长空间突出。
技术前沿前沿/新兴技术
技术栈SLAM、LOAM、FAST-LIO、VINS-Mono、多传感器融合、深度学习、PyTorch、高精地图
业务类型ambiguous
工作生活
58较低
JD提及常态化问题排查与算法交付压力，但未明确办公模式与加班情况，工作强度无法准确判断。
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
78中等
车辆精准定位直接关系智能驾驶安全与体验，技术价值明确，但JD未表述使命导向内容。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs