激光雷达算法专家 - 上海/北京

优缺点分析

角色解读

• 技术路径：向资深算法专家或首席科学家发展，深耕感知领域
• 横向拓展：逐步覆盖自动驾驶全栈感知算法（视觉、雷达、融合）
• 管理路径：可转向技术团队管理，带领算法团队
• 负责激光雷达信号处理算法的整体架构设计，涵盖原始信号、点云及多传感器融合
• 开发从原始数字信号到点云的核心算法，包括编码、传输、解算和后处理
• 建立信号处理算法的仿真模型，指导系统设计和器件选型
• 与上下游团队协作，完成传感器原型试制与性能标定，探索感知能力边界
• 精通激光雷达信号处理流程和物理模型，具备量产经验
• 熟悉点云后处理、融合感知及性能优化方法
• 具备算法仿真和系统性能分析能力
• 优秀的跨团队沟通协作能力，能与硬件、系统团队高效配合

申请策略

• 了解小米汽车的技术路线和产品特点，在面试中展现契合度
• 准备一个传感器性能优化的完整案例，体现问题分析和解决能力
• 突出激光雷达量产项目经验，尤其是信号处理和点云算法成果
• 展示性能优化案例，如复杂场景下的效果提升
• 强调仿真建模和多传感器融合相关项目
• 体现跨团队协作和沟通能力
• 深入学习多模态传感器标定与融合算法
• 熟悉自动驾驶系统整体架构和传感器选型逻辑

面试指南

• 先总结核心流程，再深入细节，结合项目实例
• 强调问题分析和解决思路，展示对物理模型的理解
• 对比不同方法的优劣，体现系统思维
• 请介绍激光雷达点云处理的主要步骤及常见挑战
• 如何优化雨雾场景下的点云噪声？
• 多传感器融合的常用方法及其优缺点
• 描述一次算法性能优化的经历，具体如何分析和改进？
• 如何评价激光雷达在自动驾驶中的角色和局限性？