影石创新
感知算法工程师（AG）-2027校招
置顶
感知算法工程师（AG）-2027校招 置顶
发布于 2 小时前普通员工/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
Vio
Vr/Ar
多传感器融合
嵌入式部署
状态估计
视觉Slam
非线性优化
值不值得投
74综合评分
综合评分 74
校招稀缺SLAM/VIO方向，技术成长强、产品落地明确，WLB与薪资福利待确认。
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，方便比较职业起点。
薪资怎么样
3.1万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 110 个在招 · 其中计算机视觉工程 10 个
市场机会
选择适中
深圳 · 计算机视觉工程 · 50 个在招
职位详情
关于这个职位
面向2027届硕士应届生，负责消费无人机视觉SLAM与VIO算法的方案设计、研发和产品化落地
工作覆盖多传感器融合、视觉前端处理、VR/AR空间定位以及算力受限平台的工程部署
适合有扎实几何与状态估计基础、希望把算法做到真实产品中的同学
最低要求
学历与专业：计算机、自动化、机器人、航空航天、数学等相关专业，硕士及以上学历的应届毕业生
数学底子扎实：具备深厚的数学功底，精通多视图几何、线性代数与空间坐标变换
对状态估计理论有透彻理解，熟练掌握各类经典滤波算法（如 EKF、UKF 等）以及基于图的非线性优化方法（如 Gauss-Newton、Levenberg-Marquardt）
理论与实践并重：深入理解主流的视觉 SLAM / VIO 理论框架（如 VINS系列、ORB-SLAM系列、MSCKF 等），能独立推导核心公式，并有实际的源码阅读、修改和调优经验
编程与工程能力：熟练掌握 C/C++ 编程，熟悉 Python 脚本语言
具备良好的数据结构基础，代码风格严谨
工作职责
核心算法研发：主要负责消费无人机的视觉 SLAM及 VIO算法的方案设计、研发与落地
多传感器融合：深入研究多传感器融合算法，熟练运用状态估计理论中的滤波与非线性优化技术，持续提升复杂环境下（如弱纹理、动态场景、剧烈运动）无人机定位与建图的精度及鲁棒性
视觉前端处理：针对无人机飞行特性，研究并改进前端视觉特征提取、匹配与跟踪算法
前沿场景探索：负责探索并实现基于无人机第一视角的 VR/AR 定位与空间交互技术
工程化部署：配合系统与硬件团队，将算法高效移植并部署至算力受限的嵌入式平台，完成代码的加速、裁剪与产品化落地
优先资格
加分项：顶会一作文章、知名赛事获奖、优秀开源代码、嵌入式平台算法加速经验
AI 洞察
优缺点分析
优点
- 方向稀缺：视觉SLAM/VIO与多传感器融合是机器人、无人机和空间计算的核心能力
- 技术闭环完整：从算法研发到嵌入式产品落地，能积累可迁移的工程经验
- 场景前沿：涉及第一视角VR/AR定位与空间交互，技术探索空间较大
- 作为校招岗位直接进入核心算法研发，有利于早期建立专业深度
- 数学与理论门槛高：需要独立推导公式并理解SLAM/VIO框架细节
- 适合数学/几何基础扎实、对SLAM/VIO有真实项目或源码经验，并愿意把算法做到产品里的应届硕士
缺点 / 挑战
- 工程落地压力：算法需在算力受限的嵌入式平台完成加速、裁剪与稳定部署
- 复杂场景调优：弱纹理、动态场景和剧烈运动对鲁棒性提出较高要求
角色解读
- 可从感知算法工程师成长为SLAM/VIO方向的技术专家，负责更完整的定位建图系统
- 随着产品经验积累，可转向感知系统架构、算法工程化负责人或机器人/空间计算方向的技术管理岗位
- 在第一视角VR/AR与消费无人机场景中积累跨视觉、状态估计和嵌入式的复合经验
- 负责消费无人机视觉SLAM/VIO算法的方案设计、研发与产品化落地
- 研究多传感器融合与状态估计，提升弱纹理、动态场景、剧烈运动下的定位建图精度和鲁棒性
- 改进视觉前端特征提取、匹配与跟踪，并探索第一视角VR/AR定位与空间交互
- 配合系统与硬件团队完成算法在嵌入式平台的加速、裁剪和部署
- 扎实的多视图几何、线性代数、空间坐标变换和状态估计基础
- 熟悉EKF、UKF等滤波算法及Gauss-Newton、Levenberg-Marquardt等非线性优化方法
- 深入理解VINS、ORB-SLAM、MSCKF等主流视觉SLAM/VIO框架，有源码阅读、修改和调优经验
- 熟练使用C/C++和Python，具备数据结构基础与嵌入式算法部署意识
申请策略
- 关注影石消费无人机与VR/AR产品线，理解感知算法在真实产品中的落地场景
- 面试中主动展示从理论推导到工程部署的完整闭环，而不仅是调包经验
- 突出SLAM/VIO相关项目，写清系统框架、传感器配置、精度/鲁棒性指标和你的具体贡献
- 展示数学与优化能力，如多视图几何、EKF/UKF、因子图优化、Gauss-Newton/LM的实际使用
- 列出C/C++工程能力与嵌入式部署经历，包括性能优化、代码裁剪、内存/算力约束处理
- 若有顶会论文、竞赛奖项、开源代码或VR/AR相关经验，放在显著位置
- 系统复习多视图几何、状态估计与非线性优化，准备手推核心公式
- 深入阅读VINS、ORB-SLAM、MSCKF等开源框架，准备能讲清模块设计与改动点
面试指南
- 理论题先给定义与假设，再推导关键步骤，最后说明工程中的数值稳定性和复杂度取舍
- 项目题用“场景-方案-指标-反思”结构，讲清你改了什么、为什么改、效果如何
- 开放题先拆解问题与约束，再给出多方案对比和验证计划，体现工程判断
- 请推导视觉SLAM/VIO中的关键公式，例如IMU预积分或重投影误差雅可比
- VINS、ORB-SLAM、MSCKF的核心区别是什么？各自适合什么场景？
- 在弱纹理、动态场景或剧烈运动下，如何提升定位与建图的鲁棒性？
- 多传感器融合中EKF与基于图的优化如何取舍？
- 如何把SLAM/VIO算法部署到算力受限的嵌入式平台并做加速？
职位点评
薪资福利68
成长发展90
工作生活55
使命价值72
薪资福利
68中等
JD未披露薪资与福利，补偿性条件需与HR确认；岗位方向稀缺，市场薪资预期相对积极。
薪资信号未披露（AI估算：2.4千–3.8万/月）
成长发展
90较高
岗位围绕视觉SLAM/VIO、多传感器融合和VR/AR定位展开，技术栈深且强调产品化落地，成长性较强。
技术前沿前沿/新兴技术
技术栈视觉SLAM、VIO、多传感器融合、状态估计、EKF、UKF、非线性优化、C/C++、Python、VR/AR、嵌入式部署
业务类型profit_center
工作生活
55较低
JD未提及办公模式、弹性安排或加班情况，生活化条件信息不足，建议面试时重点确认。
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
72中等
面向消费无人机与VR/AR空间交互，技术应用场景明确、产品可见度较高，但JD未强调社会使命。
行业发展新兴领域（暂难判断）
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs