博世
云端算法专家（静态数据产线方向)_XC
云端算法专家（静态数据产线方向)_XC
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Slam
三维重建
多传感器融合
深度学习
点云处理
自动驾驶
计算机视觉
高精地图
值不值得投
76综合评分
综合评分 76
前沿技术栈、高级算法专家岗、发展成长空间大，薪资福利及WLB信息未明确。
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。
薪资怎么样
4.8万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1110 个在招 · 其中计算机视觉工程 22 个
市场机会
选择适中
苏州 · 计算机视觉工程 · 19 个在招
职位详情
关于这个职位
该职位主要负责自动驾驶静态道路设施（如车道线、交通标志等）的算法研发，通过多帧融合与三维重建等技术提升数据标注精度
你需要利用离线全序列信息和高精度定位等技术，优化复杂场景下的自动化处理能力，并推动算法在云端的大规模生产落地
最低要求
计算机、自动化、电子工程、机器人、数学等相关专业硕士及以上学历，或具备同等水平的相关实践经验
具备扎实的计算机视觉、三维几何与机器学习基础，在自动驾驶感知、自动标注、三维重建或地图生产等领域具有深入研发经验
熟悉多视角几何、多传感器融合、点云处理、语义分割、目标检测、矢量化表达等技术中的多项，并能够针对实际数据问题设计完整方案
熟悉相机与激光雷达标定、时空同步及定位误差对数据质量的影响，具备跨模块分析和定位问题的能力
熟练使用 Python、C++ 中至少一种语言，熟悉主流深度学习框架，具备算法部署、性能分析及大规模数据处理经验
有主导复杂算法项目落地的经历，能够制定技术路线、评估关键风险，并通过量化指标验证改进效果
具备良好的跨团队沟通能力，能够将业务需求转化为清晰的算法目标、数据规范及交付标准
工作职责
面向车道线、道路边界、路面标识、交通标志及其他静态道路设施，研发多帧融合、跨视角关联、几何与语义联合优化算法，提升标注精度、完整性及空间一致性
利用离线全序列信息，结合高精度定位、SLAM、三维重建及视觉基础模型，提升复杂场景、遮挡区域和长尾要素的自动化处理能力
建立静态数据的质量标准、评测体系与问题归因机制，推动自动质检、置信度评估、人工复核及难例回流，形成可持续迭代的数据生产闭环
推动算法从原型验证走向规模化生产，持续优化计算效率、资源消耗和处理稳定性，平衡数据质量、生产成本与交付时效
优先资格
有静态场景自动标注、离线感知、高精地图或 BEV 数据生产的量产项目经验
有视觉基础模型、半监督学习、主动学习或模型辅助标注的实际应用经验
有复杂路口、异形道路、施工区域等长尾场景的算法优化经验
有云端 GPU 计算优化、分布式推理或大规模离线算法生产经验
AI 洞察
优缺点分析
优点
- 处于自动驾驶与高精地图数据生产的核心环节，技术栈前沿（视觉基础模型、三维重建、SLAM）
- 依托公司在汽车零部件与自动驾驶领域的深厚积累，项目落地场景丰富，数据规模大
- 注重算法从原型到规模化生产的完整闭环，能全面锻炼工程化与架构设计能力
- 需要处理大量长尾场景和复杂遮挡问题，算法优化难度高，对空间一致性和精度要求极严
- 适合具备扎实三维视觉与深度学习基础，有自动驾驶感知或高精地图量产经验，且希望向算法工程化与数据闭环方向发展的资深技术人才
缺点 / 挑战
- 需平衡数据质量、生产成本与交付时效，面临较大的工程落地与计算资源优化压力
角色解读
- 从算法原型验证向规模化生产架构师发展，深入云端计算优化与分布式推理
- 向自动驾驶数据闭环与高精地图生产的技术专家或技术总监方向晋升
- 研发自动驾驶静态道路设施（如车道线、交通标志）的感知与标注优化算法，提升数据精度与空间一致性
- 结合SLAM、三维重建及视觉基础模型，处理复杂场景和长尾要素，推动算法在云端的大规模自动化生产
- 建立数据质量标准与评测体系，优化计算效率与资源消耗，平衡数据质量与生产成本
- 扎实的计算机视觉、三维几何与机器学习基础，熟悉多视角几何与多传感器融合
- 熟练使用Python或C++及主流深度学习框架，具备算法部署与大规模数据处理能力
- 具备跨模块分析能力，能主导复杂算法项目落地并制定技术路线
申请策略
- 了解公司在自动驾驶数据闭环和高精地图方面的最新业务布局，准备针对长尾场景优化的具体案例
- 突出在自动驾驶感知、自动标注、三维重建或高精地图领域的具体项目经验及量化成果
- 强调主导复杂算法项目落地的经历，包括技术路线制定、风险把控及性能优化指标
- 展示在云端GPU计算优化、分布式推理或大规模离线数据处理方面的实战经验
- 深入学习视觉基础模型（如SAM等）在自动标注和半监督学习中的应用
- 提升C++工程化能力与云端分布式计算框架的使用经验
面试指南
- STAR法则：情境（复杂场景/长尾问题）-> 任务（提升精度/效率）-> 行动（引入多帧融合/基础模型/分布式计算）-> 结果（量化指标提升）
- 系统性思维：从算法设计、工程部署、数据流转到质量评测，全链路阐述解决方案
- 在复杂场景（如遮挡、长尾要素）下，如何提升静态道路设施的标注精度和空间一致性？
- 如何设计一套自动质检与难例回流机制，形成可持续迭代的数据生产闭环？
- 在推动算法从原型走向规模化生产时，如何平衡计算效率、资源消耗与数据质量？
- 请分享一个你主导的复杂算法项目落地经历，你是如何制定技术路线并验证改进效果的？
- 复习多视角几何、SLAM、三维重建及视觉基础模型的核心原理与最新进展
- 准备1-2个主导过的复杂算法落地项目，详细梳理技术难点、解决思路及量化收益
职位点评
薪资福利80
成长发展85
工作生活60
使命价值75
薪资福利
80较高
该岗位要求硕士及以上学历及主导复杂项目经验，属于高级技术岗，苏州地区同类岗位薪资处于中上水平，JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
85较高
岗位涉及视觉基础模型、三维重建等前沿技术，且强调算法规模化生产与数据闭环，技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈Python、C++、计算机视觉、SLAM、三维重建、视觉基础模型、多传感器融合、点云处理
业务类型ambiguous
工作生活
60中等
JD未明确说明工作模式、办公地点及加班情况，生活化动机满足程度无法准确判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶与高精地图是智能交通的重要基础设施，具有较高的社会价值与行业前景。
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
Watch Jobs