感知算法工程师（无人机建图方向）-2027校招

优缺点分析

角色解读

• 可从感知算法工程师成长为负责特定感知模块的算法专家
• 积累无人机/机器人量产落地经验后，可向感知系统架构、算法负责人或技术管理方向发展
• 相关技术能力可拓展至自动驾驶、具身智能、三维重建等领域
• 负责以视觉为主的多模态感知AI算法开发与调优，覆盖深度估计、语义分割、端到端占据栅格地图重建等任务
• 参与机器人相关产品项目，结合产品业务需求和测试反馈迭代算法
• 优化算法部署性能，推动感知能力在无人机/机器人产品上落地
• 扎实的计算机视觉基础，熟悉多视图几何与深度学习理论，并有相关项目实践
• 熟练使用C++和Linux进行开发，具备算法工程化与性能优化能力
• 有多模态感知、深度估计、语义分割或占据栅格重建经验更佳
• 良好的逻辑思维、团队协作和沟通能力

申请策略

• 关注影石创新在无人机、机器人和智能影像方面的产品动态，面试中结合业务场景表达
• 提前确认岗位具体工作地点、培养机制和薪资福利
• 突出C++/Linux工程能力，量化算法性能优化、部署或推理加速成果
• 展示深度估计、语义分割、占据栅格、多视图几何等相关项目，说明数据集、指标和个人贡献
• 如有无人机、自动驾驶、智能小车项目，写明传感器配置、算法模块和实车/飞行测试结果
• 列出ICRA、IROS、CVPR等论文或ROBOCON、ROBOMASTER等竞赛成绩
• 补强多视图几何、SLAM/三维重建与占据栅格相关理论
• 熟悉PyTorch、TensorRT、ONNX等训练与部署工具，提升工程化能力

面试指南

• 用STAR结构讲项目：背景-任务-行动-结果，突出个人贡献和量化指标
• 技术问题先讲原理和方案对比，再讲工程取舍、实验验证和失败案例
• 结合产品场景回答，说明精度、速度、鲁棒性和资源约束之间的平衡
• 请介绍一个你主导的计算机视觉或多模态感知项目，说明问题、方法和指标
• 深度估计、语义分割或占据栅格重建中你熟悉哪类方法？如何提升精度与鲁棒性？
• 多视图几何在无人机建图中的作用是什么？如何处理标定、位姿和尺度问题？
• 如何将C++/Linux下的感知算法部署到机器人平台并优化性能？
• 为什么选择影石创新和无人机建图方向？你对机器人产品落地有什么理解？