追觅科技
感知算法高级工程师(J33904)
感知算法高级工程师(J33904)
发布于 9 天前普通员工/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
Ekf
Tof
多传感器标定
多视角几何
感知融合
数字图像处理
点云处理
结构光
值不值得投
71综合评分
综合评分 71
机器人感知核心算法岗，技术栈前沿且完整，成长空间大，WLB 与薪资需面试确认。
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，方便横向比较。
薪资怎么样
3.8万
比计算机视觉工程中位数高
发布情况
正常在招 · 8 天前发布
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 3 个
市场机会
选择适中
苏州 · 计算机视觉工程 · 29 个在招
职位详情
关于这个职位
负责机器人多传感器标定、图像与点云处理、感知融合算法的软件开发，涉及摄像头、IR、ToF、结构光等成像技术，是机器人感知方向的核心算法研发岗，适合 CS/EE 硕士以上的算法工程师
最低要求
/211 CS/EE 硕士及以上
熟悉成像、深度成像相关技术，包括：摄像头、IR成像、ToF、结构光、线结构光等
熟悉多视角几何，具备多传感器标定、融合经验
熟悉数字图像处理算法，包括：滤波/边缘增强、图像特征提取、形态学处理等
熟悉点云处理算法，包括：体素滤波、点云聚类等
具备感知器件后融合算法开发经验
熟悉概率栅格、KF/EKF/PF等常用技术
C++ /Python 编程熟练
英语读写、交流无障碍
具备坚实学术、动手能力
具备独立分析和解决问题的能力
对挑战性问题充满激情
良好的沟通能力和团队合作能力
工作职责
传感器调试、多传感器标定算法软件开发
图像、深度估计、点云处理算法软件开发
感知融合算法软件开发
优先资格
具备ISP/IQ 经验
了解SfM、3D重建相关算法
对AI/CNN 目标检测、深度提取算法有了解
AI 洞察
优缺点分析
优点
- 岗位覆盖标定、成像、点云、融合的完整感知链路，技术栈全面
- ToF、结构光、多传感器融合是机器人与自动驾驶都通用的稀缺技能，行业迁移性强
- 依托机器人硬件产品线，算法有真实落地场景而非纯演示
- 标定与融合算法需在真实传感器数据上反复调试，硬件联调周期长、琐碎问题多
- 对学术功底要求高（多视角几何、滤波理论），知识门槛陡峭
- 涉及多传感器协同，问题定位链路长，排查难度大
- 适合 CS/EE 硕士以上、有成像与多传感器融合基础、喜欢算法与硬件结合并愿意动手调试的机器人感知方向工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可深耕机器人感知方向，成长为感知算法专家或算法团队负责人
- 也可向 SLAM、3D 重建、AI 目标检测等相邻方向拓展
- 积累完整感知系统经验后可转向机器人整机技术管理
- 开发多传感器标定算法，完成传感器调试与时空标定软件开发
- 开发图像、深度估计与点云处理算法，支撑机器人对环境的感知
- 实现感知后融合算法，融合多路传感器数据输出稳定的环境理解结果
- 扎实的多视角几何与数字图像处理功底，熟悉摄像头、IR、ToF、结构光等成像技术
- 掌握体素滤波、点云聚类等点云算法与概率栅格、KF/EKF/PF 等融合技术
- C++/Python 编程熟练，具备独立的算法分析与工程落地能力
申请策略
- 面试前了解公司机器人产品线的传感器配置，准备针对性的感知方案思考
- 准备 1-2 个真实传感器调试与算法落地的完整案例
- 突出多传感器标定与感知融合的项目经历，说明使用的传感器类型与融合框架
- 量化算法成果，如精度提升、点云处理效率改善
- 展示 C++/Python 的工程落地能力与论文或专利成果
- 如有 ToF、结构光、ISP 相关经验务必单独强调
- 补齐多视角几何与 SfM、3D 重建的理论基础
- 熟悉 KF/EKF/PF 及概率栅格的推导与工程实现
面试指南
- 算法原理类问题按'问题定义—数学模型—工程实现—效果评估'四步展开
- 项目类问题用 STAR 结构并量化结果
- 对比类问题从精度、成本、算力、适用场景四个维度组织答案
- 请介绍你做过的多传感器标定项目，标定了哪些传感器，如何评估精度？
- 如何处理多传感器之间的时间同步与空间标定问题？
- 介绍常用的点云处理方法，体素滤波和点云聚类分别解决什么问题？
- 推导一下 EKF 的原理，它与 PF 的适用场景有什么区别？
- 你了解哪些深度成像技术，ToF 与结构光各自的优劣是什么？
职位点评
薪资福利65
成长发展85
工作生活60
使命价值70
薪资福利
65中等
JD 未披露薪资与福利，但机器人感知算法岗市场薪资水平整体较好，需面试确认具体待遇。
薪资信号未披露（AI估算：2.5千–5.0万/月）
成长发展
85较高
岗位覆盖标定、成像、点云、融合的完整感知技术栈，且涉及 SfM、3D 重建、CNN 等前沿加分方向，技术成长空间大，但 JD 未提及晋升通道。
技术前沿前沿/新兴技术
技术栈多传感器标定、ToF、结构光、点云处理、感知融合、EKF、3D重建、CNN
业务类型profit_center
工作生活
60中等
JD 未提及办公模式与 WLB 相关信息，算法研发岗工作节奏需面试确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
机器人感知算法属于智能硬件高速增长方向，算法直接决定产品体验，使命类表述 JD 未提及。
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