27应届-slam算法工程师

优缺点分析

角色解读

• 从定位建图单一模块起步，逐步成长为多传感器融合、整体导航算法负责人
• 积累算法到量产的完整经验后，可向机器人感知技术专家或算法团队管理岗发展
• 研发激光/视觉SLAM的定位、建图、状态估计与多传感器融合算法，是机器人导航能力的核心
• 搭建并维护仿真平台，用仿真验证定位建图算法的正确性与鲁棒性
• 参与试产环节：评估定位相关传感器性能、确定极限与门限指标，并分析量产后的售后问题
• 扎实的数学功底，理解优化方法与刚体运动（李群李代数、坐标系变换等）
• 熟悉计算机视觉或激光定位基础理论，了解经典定位/SLAM算法
• 熟练的C/C++编程能力与良好的编码风格

申请策略

• 关注公司在服务机器人与新品类的技术方向，面试时可结合其产品谈定位建图的挑战
• 突出机器人/SLAM相关项目：实验室课题、竞赛（挑战杯等）、开源贡献
• 写清你在项目中负责的模块（前端/后端/融合/仿真）与量化的精度指标
• 展示C/C++工程能力与对经典算法（滤波、图优化）的理解
• 复习卡尔曼滤波、因子图优化、点云配准等经典方法及其工程实现
• 上手ROS/ROS2与常用SLAM开源项目（如LOAM系、ORB系），能跑通并改造

面试指南

• 项目类问题用 STAR 结构：背景—你的职责—技术方案—结果指标
• 原理类问题先给直观解释再给数学表达，最后落到工程取舍
• 排查类问题按数据链路分层定位：传感器—前端—后端—地图/标定
• 介绍一个你做过的SLAM/定位项目，你在其中解决了什么问题？
• 讲解卡尔曼滤波/图优化的原理，以及各自适用的场景
• 激光SLAM与视觉SLAM各自的优缺点是什么？如何做多传感器融合？
• C/C++相关：内存管理、移动语义、你如何保证编码质量？
• 如果量产机器出现定位漂移的售后反馈，你会怎么排查？