感知融合算法实习生-2027届

优缺点分析

角色解读

• 表现优异可转正为正式感知算法工程师，参与量产项目
• 向高级感知算法专家或技术Leader方向发展
• 也可横向拓展至自动驾驶系统架构或决策规划领域
• 负责多传感器（Camera、LiDAR、超声波）融合算法的研发，包括数据关联、目标跟踪
• 优化前融合算法，构建障碍物地图和空间车位检测模型
• 探索基于ViT的深度估计，结合BEV特征实现3D目标增强
• 熟悉至少一种传感器（雷达、相机、激光雷达）的工作原理和数据处理
• 扎实的C/C++编程能力，掌握数据结构与算法
• 了解Linux开发环境，熟练使用Git、GDB等工具

申请策略

• 提前了解小米自动驾驶技术路线和产品，在面试中展现热情
• 准备一个完整的项目介绍，体现算法实现和优化过程
• 突出传感器相关项目经验（如相机标定、LiDAR点云处理）
• 强调C++编程和算法能力，可附GitHub代码仓库
• 如有自动泊车、多目标跟踪等经验务必重点描述
• 补充Transformer、BEV感知等前沿知识，阅读相关论文
• 熟悉Linux常见命令和调试工具，提高工程能力

面试指南

• 对于技术问题，先阐述核心原理，再结合实际项目经验说明应用
• 对于项目问题，采用STAR法则：情境、任务、行动、结果，突出个人贡献
• 请解释多传感器融合的常用方法（如卡尔曼滤波、匈牙利算法）
• 如何优化点云目标检测的实时性？
• 描述一个你参与过的CV或感知项目，遇到的主要挑战是什么？
• C++中智能指针的使用场景和注意事项
• 你对BEV感知的理解？目前主流方案有哪些？
• 复习传感器原理和常见融合算法公式