slam算法实习生(J37153)

优缺点分析

角色解读

• 实习期可系统积累SLAM与多传感器融合定位的工程经验，转正后可沿定位算法工程师→资深算法工程师→算法负责人的路径发展
• 该方向经验也可迁移至自动驾驶、机器人、AR/VR等赛道
• 你将参与搭建融合2/3维激光雷达、双目相机、IMU与里程计的定位系统，并负责定位与规划等模块的功能对接
• 工作核心是多传感器融合定位的开发与调试
• 需要用过激光雷达或视觉定位开源系统（Cartographer、ORB-SLAM2等），熟练使用ROS并有开发经验
• 熟悉IMU与里程计的定位原理及传感器特性，掌握C/C++/Python至少一门，了解Ceres-Solver/CMake/STL并具备一定软件架构能力

申请策略

• 了解该公司机器人产品线（扫地机器人、割草机器人等）对定位技术的实际需求，面试时可主动关联
• 投递前先与HR确认实习时长、到岗频率与转正机会
• 重点写你用过的定位开源系统（Cartographer、ORB-SLAM2）与具体项目成果，如建图精度、定位稳定性
• 突出ROS开发经验与C/C++工程能力
• 有机器人比赛、开源贡献或相关论文的一定要列出
• 复习卡尔曼滤波、图优化等融合定位基础理论，梳理IMU/里程计误差模型
• 上手Ceres-Solver做一次实际的优化案例
• 准备一个完整的SLAM项目复盘，能讲清系统架构与踩坑过程

面试指南

• 项目类问题按背景→方案→你负责的部分→结果与反思展开，突出工程细节
• 原理类问题先给结论再推导，结合传感器误差模型回答
• 开放对比类问题从精度、算力、场景三个维度切入
• 介绍你使用Cartographer或ORB-SLAM2做过项目，遇到什么问题怎么解决的？
• IMU和里程计的定位原理与误差特性是什么？如何与激光雷达融合？
• ROS中你常用哪些模块？节点间通信机制如何设计？
• Ceres-Solver解决过什么优化问题？代价函数怎么构建？
• D与3D激光SLAM的区别与适用场景？