追觅科技
计算机视觉工程师（预研）(J34259)
计算机视觉工程师（预研）(J34259)
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
Lidar
Opencv
Pytorch
Ros
Slam
Tensorrt
多传感器融合
嵌入式优化
深度学习
值不值得投
73综合评分
综合评分 73
苏州机器人视觉预研岗，SLAM+深度学习+嵌入式全栈，技术成长性强，WLB未明。
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
3.5万
比计算机视觉工程中位数低
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
追觅科技预研方向的计算机视觉工程师，负责服务机器人等家电产品的SLAM算法、物体识别与多传感器融合方案开发，并优化算法在嵌入式平台上的实时性能
岗位覆盖从仿真、原型到量产的全周期，适合深耕机器人感知方向的算法工程师
最低要求
精通SLAM算法（如ORB-SLAM3、VINS-Fusion、Cartographer）及优化方法（Bundle Adjustment、图优化）
熟练使用OpenCV、PCL、TensorFlow/PyTorch，具备完整的物体检测/识别项目经验
熟悉C++/Python编程，能优化算法性能（多线程、SIMD指令、嵌入式NPU加速）
掌握传感器标定（相机-IMU外参标定）、多坐标系变换（TF树）及3D重建（点云处理）
工作职责
负责家电产品（如服务机器人）的SLAM（同步定位与建图）算法开发与优化，实现高精度环境建模与实时定位
设计并实现基于深度学习（CNN、YOLO、Transformer）或传统视觉算法（SIFT、ORB）的物体识别、分类与跟踪系统
优化算法在嵌入式平台（如ARM Cortex-A、Jetson、STM32MP1）上的实时性能，确保低延迟（<100ms）与高鲁棒性
开发多传感器融合方案（视觉+LiDAR/IMU/ToF），提升复杂环境（低光照、动态障碍物）下的定位与识别准确率
参与产品全周期开发，从算法仿真（ROS/Gazebo）、原型测试到量产部署，解决实际场景中的问题（如地面材质变化、反光干扰）
跟踪前沿技术（如神经SLAM、语义分割），推动算法在家电场景的落地创新（如自动避障、智能物品管理）
优先资格
有大家电行业经验（如扫地机器人路径规划、冰箱食材识别、AR交互家电）
熟悉ROS/ROS2框架，具备机器人系统集成经验
了解边缘计算部署（TensorRT、ONNX Runtime）或轻量化模型设计（MobileNet、知识蒸馏）
发表过SLAM/计算机视觉顶会论文（ICRA、IROS、CVPR）或相关专利
有ToF/RGB-D相机（如RealSense、Kinect）或固态LiDAR项目经验
熟悉家电产品开发流程（EMC测试、可靠性验证）
AI 洞察
优缺点分析
优点
- 覆盖SLAM+深度学习+嵌入式部署的完整技术栈，能力成长全面
- 服务机器人处于高速发展期，技术积累可迁移到自动驾驶与具身智能
- 有机会接触神经SLAM等前沿方向并推动产品落地
- 需要在嵌入式资源约束下兼顾精度与实时性，工程调优难度大
- 量产导向意味着要直面低光照、动态障碍等真实场景的长尾问题
- 技术栈更新快，需持续跟踪顶会前沿
- 适合有机器人感知或SLAM项目经验、既懂算法又愿意深入嵌入式工程细节、希望产品落地的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可成长为机器人感知团队负责人或感知算法专家，深耕SLAM与多传感器融合方向
- 也可转向具身智能、自动驾驶等相邻赛道，论文专利积累深厚者可走研究专家路线
- 为服务机器人等家电产品开发SLAM定位建图算法与视觉物体识别系统，并做多传感器融合
- 把算法优化到ARM、Jetson等嵌入式平台，保证实时性与鲁棒性
- 参与从ROS/Gazebo仿真、原型测试到量产部署的全流程，解决真实环境的工程问题
- 精通ORB-SLAM3、VINS-Fusion等SLAM框架及Bundle Adjustment等优化方法
- 熟练使用OpenCV、PCL、PyTorch，有完整物体检测项目经验
- C++/Python扎实，懂多线程、SIMD与NPU加速，掌握相机-IMU标定与点云处理
申请策略
- 面试前了解追觅的机器人产品线与技术场景，准备真实场景问题的解决案例
- 强调从仿真到量产的完整经验会是明显加分项
- 突出SLAM项目案例，写清所用框架、传感器组合与精度指标
- 展示嵌入式平台性能优化的量化成果（如延迟、帧率）
- 有顶会论文、专利或扫地机器人相关经验务必前置
- 补充TensorRT、ONNX Runtime等边缘部署工具链实践
- 熟悉ROS/ROS2系统集成与Gazebo仿真
- 复习多传感器外参标定与点云处理基础
面试指南
- 项目类问题用「背景—方案—指标—踩坑—改进」结构，突出量化结果
- 优化类问题从算法复杂度、工程实现、硬件特性三层展开
- 故障排查类问题按数据链路逐段定位，体现系统性思维
- 请介绍你做过的SLAM项目，前端后端方案与遇到的主要问题？
- 如何在嵌入式平台上把算法延迟压到100ms以内？
- 相机-IMU外参标定的流程与精度验证方法？
- 多传感器融合（视觉+LiDAR/IMU/ToF）的架构如何设计？
- 低光照或强反光场景下定位识别失效，你会怎么排查与改进？
职位点评
薪资福利78
成长发展85
工作生活52
使命价值65
薪资福利
78中等
JD未披露薪资，SLAM感知算法岗市场溢价明显，薪酬预期偏上但需面谈确认。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位覆盖SLAM、深度学习、多传感器融合与神经SLAM等前沿方向，技术成长空间大，且明确鼓励跟踪前沿技术。
技术前沿前沿/新兴技术
技术栈SLAM、CNN、YOLO、Transformer、OpenCV、PyTorch、ROS、LiDAR、TensorRT、ONNX Runtime
成长机会跟踪前沿技术
业务类型ambiguous
工作生活
52较低
JD未提及办公模式与WLB信息，量产导向的研发节奏需面试确认。
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
65中等
服务机器人属于智能化浪潮中的高增长赛道，技术落地直接改善家庭生活体验。
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