算法工程师（激光SLAM）

优缺点分析

角色解读

• 深耕SLAM技术，成长为算法专家或技术Leader，主导机器人导航系统
• 横向扩展至自动驾驶、AGV、无人机等领域，拓宽职业赛道
• 在顺丰内部可转向物流自动化整体方案设计或技术管理岗位
• 负责基于激光雷达的SLAM建图和定位算法开发与优化，包括多传感器融合（激光雷达、IMU、里程计）
• 解决复杂环境（隧道、空旷、动态）下的定位建图难题，提升算法鲁棒性
• 将算法产品化并移植到嵌入式平台，实现地图自动更新
• 精通C++和Linux开发，熟练使用ROS、Eigen、Ceres、g2o、PCL等工具库
• 扎实的SLAM理论基础，熟悉LOAM、LIO-SAM等开源框架及卡尔曼滤波、非线性优化
• 熟悉点云匹配算法（NDT、ICP）及多传感器融合

申请策略

• 提前了解顺丰物流场景的痛点（如仓库、分拣中心），面试时可提出针对性思路
• 准备一个完整的SLAM建图与定位案例，展示从算法设计到结果分析的流程
• 重点展示SLAM相关项目经验，详细说明使用的框架（如LIO-SAM）和解决的问题
• 突出C++编程能力和Linux下的开发经验，可附上GitHub链接
• 如有无人机或机器人比赛/项目经历，务必强调
• 补充嵌入式平台优化经验（如ARM、DSP下的算法移植）
• 深入理解多传感器融合的工程实现，如IMU预积分、松/紧耦合

面试指南

• 对比开源框架时，从算法流程、因子图构建、优化方式等维度展开
• 针对退化问题，可结合多传感器补充、特征提取优化或先验地图约束等方案
• 回答项目经历时，采用STAR法则（情境、任务、行动、结果）
• 请讲解LIO-SAM的核心思想及与LOAM的区别
• 如何处理激光SLAM在长直隧道中的退化问题？
• IMU与激光雷达融合的卡尔曼滤波如何实现？
• 在嵌入式平台上如何优化SLAM算法的实时性？
• 描述一次你解决SLAM中定位漂移的经历