算法工程师（视觉SLAM方向）

优缺点分析

角色解读

• 从初级算法工程师发展为SLAM方向专家，负责核心算法创新
• 向技术管理方向发展，带领团队攻克复杂定位与建图难题
• 横向扩展到自动驾驶、机器人、AR等领域的感知定位岗位
• 负责单目/多目VIO/SLAM系统的算法研发，包括特征提取、状态估计、后端优化等核心模块
• 将算法集成到实际产品中，进行测试、调优，并最终部署到移动端或嵌入式平台
• 跟踪前沿技术，持续改进SLAM系统的精度和鲁棒性
• 扎实的SLAM/VIO理论基础，熟悉MSCKF、ORB-SLAM等开源框架
• 精通C++编程，具备并行加速和矩阵运算优化经验，了解g2o、ceres等优化库
• 掌握传统或深度学习的视觉特征提取与匹配方法

申请策略

• 提前了解顺丰在物流自动化方面的布局（如无人车、机器人），面试中展现业务理解
• 准备一个高质量的SLAM算法演示demo（最好是移动端演示），会大大加分
• 突出SLAM相关的项目经验，如视觉里程计、后端优化的实际案例
• 强调C++编程优化经验，特别是并行加速和矩阵运算
• 如果有移动端或嵌入式端部署经历，务必详细描述
• 列出熟悉的开源框架（如ORB-SLAM、VINS-Mono）及其改进点
• 系统复习李群李代数、非线性优化等数学基础
• 动手复现一个完整的VIO系统（如VINS-Mono），并理解代码细节

面试指南

• 先给出核心概念定义，再分步骤阐述流程，最后结合实际经验说明注意事项
• 对于对比类问题，从精度、计算量、鲁棒性、适用场景等维度展开
• 优化类问题要给出具体手段（如代码优化、算法简化、硬件加速），并举例说明
• 请解释VINS-Mono中IMU预积分的原理及作用
• 如何解决SLAM中的尺度漂移问题？
• 描述g2o中图优化的构建步骤，并说明如何设置信息矩阵
• 在嵌入式平台上部署SLAM时，你会如何进行性能优化？
• 对比MSCKF和ORB-SLAM的优缺点