博世
ADAS感知前处理开发_XC
ADAS感知前处理开发_XC
发布于 大约 2 小时前普通员工/个人贡献者
苏州市
高级经验
全职员工
仅现场办公
硕士
计算机视觉工程
Adas
Gstreamer
Isp
Pytorch
Tensorflow
嵌入式平台
性能优化
模型部署
AI 估算 · 25k–45k
ADAS感知方向技术门槛高，博世平台稳定，硕士3年经验，苏州薪资竞争力强，年薪约35-50万。
职位详情
关于这个职位
这是一个专注于自动驾驶感知前处理的专家岗位，你将负责摄像头图像链路、模型部署与性能优化，确保感知算法在车规级域控制器上高效运行
工作涉及ISP、C++、深度学习框架和嵌入式平台，适合有3年以上经验、对异构计算和系统优化有热情的工程师
最低要求
必备条件：
学历与经验：计算机科学、电子工程、自动化等相关专业硕士及以上学历，3年以上相关工作经验
有自动驾驶或嵌入式视觉项目经验者优先
图像链路专长：
精通摄像头成像原理和ISP pipeline，熟悉图像质量评估标准
具备扎实的多媒体框架知识，如GStreamer, V4L2等，有实际的图像数据采集和驱动开发经验
了解MIPI CSI， GMSL， FPD-Link等高速串行接口
模型部署专长：
熟练掌握至少一种主流的深度学习框架（TensorFlow， PyTorch）
拥有丰富的模型在嵌入式平台（如NVIDIA Xavier/Orin， Qualcomm Snapdragon Ride， TI TDA4， Huawei Ascend，Horizon Robtic J6）上的部署和优化经验
精通C++， 具备出色的代码能力和软件工程素养
系统级思维：
深刻理解计算机体系结构，对CPU/BPU/GPU/NPU的异构计算有深入认识
具备系统级性能分析和调优能力，熟悉perf, vtune, nsight等工具
个人素质：具备出色的分析问题和解决问题的能力，良好的团队沟通和协作精神，对技术有强烈热情
工作职责
主要职责：
图像链路架构与优化：
负责辅助驾驶域控制器上多路摄像头图像数据的采集、传输、同步和预处理全链路设计与实现
深入理解和优化ISP图像信号处理流程，针对车载场景（如HDR、LFM）进行参数调优和算法定制
负责与传感器、SerDes、处理器（DSP，GDC，PYM）等硬件供应商协作，确保图像链路的质量和稳定性
模型集成与部署：
将感知团队开发的深度学习模型（如Detection， Segmentation， Lane Detection等）集成到域控制器的嵌入式平台上
设计和实现模型的前后处理模块，确保其与模型推理部分的高效协同
运行时调度与性能优化：
设计和优化感知任务在SOC多核（CPU， GPU， NPU）上的计算调度策略，最大化硬件资源利用率，满足严格的实时性要求
分析并解决系统级瓶颈，包括内存带宽、总线拥堵、功耗和热管理等问题，提升端到端的感知处理效率
开发性能分析和 profiling 工具，对数据链路和计算任务进行深度监控与调优
软件架构与工具链建设：
参与构建高内聚、低耦合的感知前处理软件架构，支持功能的灵活配置和快速迭代
开发和维护模型部署、测试和验证的自动化工具链，提升团队研发效率
优先资格
优先考虑：
有车规级（ISO 26262, ASPICE）项目开发经验者
熟悉AUTOSAR AP/CP架构
熟悉车载网络（如CAN， Ethernet， SOME/IP）
在模型量化、蒸馏等领域有深入研究并发表过相关论文或专利
AI 洞察
优缺点分析
优点
- 博世作为全球汽车零部件巨头，平台稳定，技术积累深厚
- ADAS是智能驾驶核心赛道，技术含量高，职业发展前景好
- 接触完整图像链路和异构计算，技能壁垒高
- 苏州生活成本低于上海，工作环境舒适
- 需要同时掌握图像处理、模型部署和系统优化，知识面要求广
- 车规级开发流程严谨，可能面临较长的验证周期和文档工作
- 适合有嵌入式视觉和深度学习部署经验，喜欢系统级性能优化，追求技术深度和稳定平台的工程师
缺点 / 挑战
- 跨团队协作多，沟通成本较高
角色解读
- 向自动驾驶感知系统架构师发展，负责整个感知链路设计
- 深入芯片与算法协同优化，成为稀缺的部署优化专家
- 有机会进入博世全球研发网络，参与前沿项目
- 负责域控制器上多路摄像头图像采集、传输与预处理，优化ISP参数
- 将深度学习模型集成到嵌入式平台，开发前后处理模块并优化性能
- 优化感知任务在CPU/GPU/NPU上的调度，解决内存带宽等系统瓶颈
- 精通C++，熟悉TensorFlow/PyTorch等深度学习框架
- 熟悉ISP pipeline和多媒体框架如GStreamer/V4L2
- 了解NVIDIA Orin、Qualcomm等嵌入式平台，有模型部署经验
- 具备系统性能分析和调优能力，熟悉perf/nsight等工具
申请策略
- 关注博世自动驾驶部门的业务方向，在面试中展示对ADAS技术的理解
- 准备好讲述一个完整的性能优化案例，从问题定位到解决方案
- 突出摄像头图像采集或ISP调优的项目经验
- 展示深度学习模型在嵌入式平台部署的具体案例和性能优化成果
- 强调C++编程能力和系统级调试经验
- 如有自动驾驶或车规项目经历，务必放在显眼位置
- 提前熟悉GStreamer和V4L2框架，了解摄像头驱动
- 学习NVIDIA Orin或Qualcomm平台的部署工具链
面试指南
- 采用STAR法则，先描述情境和任务，再说明你采取的行动和最终效果
- 对于技术问题，先给出概念解释，再结合项目实例展开
- 对于优化类问题，强调从分析、定位、实验到验证的完整流程
- 请描述一次你如何优化摄像头图像处理链路的性能
- 你如何将PyTorch模型部署到嵌入式设备？具体步骤和遇到的问题？
- 解释一下ISP pipeline中的HDR和LFM处理原理
- 在多核异构芯片上，如何设计任务调度以满足实时性要求？
- 如何分析并解决内存带宽成为瓶颈的问题？
职位点评
78
综合评分
自动驾驶感知核心技术岗，博世平台稳定，技术前沿，薪资不错，但工作模式传统。
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
适合追求技术成长和行业前景，对自动驾驶有热情，能接受现场办公和一定工作压力的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
博世提供有竞争力的薪资、完善的福利和职业稳定性，但相比互联网大厂薪资上限略低。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该职位涉及自动驾驶感知核心链路，技术前沿，能积累深厚的系统级优化经验，发展空间大。
技术前沿前沿/新兴技术
技术栈ISP、GStreamer、V4L2、C++、TensorFlow、PyTorch、NVIDIA Orin、Qualcomm、模型部署、性能优化
业务类型ambiguous
工作生活
65中等
博世作为德企通常注重工作生活平衡，苏州工作环境宜居，但职位未明确弹性或远程工作。
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
80较高
自动驾驶技术有助于提升交通安全和出行效率，职位在博世这样的企业，有较强的使命感和行业意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
博世 的其他在招职位
相似职位推荐
Watch Jobs