卡特彼勒
Senior Perception Engineer
Senior Perception Engineer
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
本科
计算机视觉工程
Centerpoint
Lidar
Ros/Ros2
Tensorrt
毫米波雷达
点云处理
Pointpillars
Pv-Rcnn
AI 估算 · 25k–50k
高级感知算法工程师，自动驾驶热门领域，Caterpillar平台稳定，薪资有竞争力，考虑城市差异。
职位详情
关于这个职位
该职位负责矿山自动驾驶场景下的感知算法研发，主要处理激光雷达与毫米波雷达数据，包括点云规则检测、深度学习模型开发与多传感器融合
您将参与L4级无人矿卡的核心系统设计，工作在卡特彼勒这样全球领先的工程机械企业，挑战与机遇并存
最低要求
计算机、自动化、机器人、电子信息、人工智能等相关专业本科及以上学历
年以上自动驾驶、机器人或智能装备感知算法开发经验
熟练掌握C++和Python开发，熟悉Linux开发环境及ROS/ROS2框架
深入理解Ground Segmentation、Clustering、Object Detection、Tracking等点云处理流程，具备激光雷达规则检测算法开发经验
熟悉PointPillars、CenterPoint、PV-RCNN、Voxel RCNN、BEVFusion等主流算法，具备规则检测与模型检测后融合经验，能够设计高可靠感知架构
工作职责
负责矿山自动驾驶感知系统研发，包括激光雷达、毫米波雷达等传感器的环境感知与目标检测
负责基于激光雷达点云的规则检测算法开发，包括地面分割、聚类与障碍物提取、可通行区域检测等
负责边坡、岩石、散落物、车辆、人员等矿区目标检测算法开发
负责激光雷达深度学习检测模型开发与优化，包括PointPillars、CenterPoint、PV-RCNN、VoxelNet等算法
负责规则检测与AI模型检测结果的后融合（Post Fusion）设计与开发
负责毫米波雷达及4D毫米波雷达目标检测、聚类、跟踪及杂波抑制算法研发
参与多传感器融合感知系统开发，实现LiDAR、4D毫米波雷达及Camera协同感知
负责端端部署、系统优化及数据闭环建设，持续提升感知性能
优先资格
加分项：
有4D毫米波雷达检测算法研发经验，或毫米波与激光雷达融合感知经验
熟悉CUDA、TensorRT部署优化技术，具备量产自动驾驶项目经验
有矿山、港口、园区等封闭场景自动驾驶经验
具感感知功能安全（SOTIF）或多传感器融合项目经验
有4毫毫米波雷达量产项目经验，或无人矿卡、工程机械自动化项目经验
AI 洞察
优缺点分析
优点
- 技术前沿：涉及L4级自动驾驶、激光雷达感知、深度学习等核心技术，积累丰富经验
- 行业前景：矿山自动驾驶是无人化运输刚需，行业处于高速增长期
- 公司平台：卡特彼勒是工程机械巨头，资源雄厚，项目有量产落地机会
- 多元地点：可在北京、上海、无锡等城市工作，选择灵活
- 固定期限合同：职位为Fixed Term，稳定性相对长期职位略差
- 封闭场景差异：矿山环境粉尘大、地形复杂，算法泛化要求高，调试较困难
- 适合对自动驾驶感知技术有强烈兴趣、能适应快节奏研发、且不介意固定期限合同的工程师
缺点 / 挑战
- 工作强度：自动驾驶研发复杂度高，可能面临较大技术挑战和进度压力
角色解读
- 纵向成长为感知算法专家，深入多传感器融合与复杂场景感知技术
- 横向可转向自动驾驶系统架构、功能安全（SOTIF）或量产工程化方向
- 在卡特彼勒这样的大型跨国企业，可参与全球项目，未来有机会带团队或向技术管理发展
- 设计并实现矿山自动驾驶场景下的激光雷达与毫米波雷达感知算法，包括点云分割、目标检测与跟踪
- 开发基于深度学习的点云检测模型（PointPillars、CenterPoint等），并优化模型性能与部署
- 负责规则检测与AI模型检测的后融合，以及多传感器（LiDAR、4D毫米波雷达、Camera）协同感知
- 参与感知系统的端到端部署、数据闭环建设和性能持续优化
- 熟练掌握C++和Python，熟悉Linux开发环境和ROS/ROS2框架
- 深入理解点云处理流程，包括地面分割、聚类、目标检测与跟踪，具备规则检测算法开发经验
- 熟悉主流3D检测算法如PointPillars、CenterPoint、PV-RCNN等，并有后融合经验
- 了解毫米波雷达原理及4D毫米波雷达数据处理，具备雷达点云聚类与跟踪能力
申请策略
- 了解卡特彼勒的矿山自动驾驶业务和产品线，在面试中展现对行业的理解
- 准备好具体的项目案例，用数据说明算法性能和效果
- 突出3年以上自动驾驶或机器人感知算法经验，尤其是激光雷达点云处理项目
- 重点展示使用PointPillars、CenterPoint等3D检测模型的实战案例及性能优化结果
- 强调C++/Python编程能力和ROS/ROS2开发经验，体现工程能力
- 如有毫米波雷达、4D雷达或多传感器融合经验，务必突出
- 自学CUDA和TensorRT，提升模型部署优化能力，这是加分项也是量产关键
- 补充SOTIF功能安全知识，了解自动驾驶安全标准，增加面试竞争力
面试指南
- STAR法则：情境、任务、行动、结果，清晰描述项目经历
- 对比思路：对不同算法或方案进行优缺点对比，展示决策依据
- 强调工程落地：说明不仅会算法，也关注性能、部署和稳定性
- 请描述一个你处理过的点云聚类或分割项目，如何解决难题？
- 比较PointPillars和VoxelNet的区别，你在项目中如何选择模型？
- 如何设计规则检测与AI模型检测的后融合策略？
- 毫米波雷达和激光雷达的感知融合有哪些挑战？你如何处理？
- 在矿山环境中，灰尘和振动对感知影响大，你会如何提高鲁棒性？
职位点评
70
综合评分
技术前沿、社会价值高，但薪资未披露、固定期限现场办公，WLB不明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、关注社会价值，对工作稳定性要求不高且能接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展82
工作生活58
使命价值78
薪资福利
65中等
该职位薪资未公开，但作为高级技术岗位，卡特彼勒平台通常提供有竞争力的薪酬和福利体系，不过固定期限合同可能影响稳定性。
薪资信号未披露（AI估算：25K-50K/月）
成长发展
82较高
职位涉及自动驾驶感知的前沿技术，包括激光雷达深度学习模型、多传感器融合等，技术成长空间大，且参与L4级量产项目，职业发展前景好。
技术前沿前沿/新兴技术
技术栈LiDAR、PointPillars、CenterPoint、PV-RCNN、毫米波雷达、TensorRT、CUDA
业务类型ambiguous
工作生活
58较低
工作地点为现场办公，未提及弹性工作，固定期限合同可能影响生活稳定性；同时矿山场景可能涉及出差或现场支持。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
78中等
矿山自动驾驶能显著提升矿区安全性和运营效率，具有积极的社会价值，行业前景广阔，使命驱动明显。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动矿区无人化和智能化运营
创新程度积极采用新技术
卡特彼勒 的其他在招职位
相似职位推荐
Watch Jobs