博世
EOL标定算法工程师_XC
EOL标定算法工程师_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自动驾驶
自动驾驶
Adas
Ceres
G2O
Opencv
Pcl
Slam
多传感器融合
相机标定
值不值得投
75综合评分
综合评分 75
智能驾驶量产标定核心算法岗，技术积累扎实、成长性强，现场投入度较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比自动驾驶中位数低
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 1230 个在招 · 其中自动驾驶 14 个
市场机会
选择面较广
苏州 · 自动驾驶 · 72 个在招
职位详情
关于这个职位
该岗位属于博世智能驾驶/ADAS团队，主要负责多传感器标定算法（相机内外参、相机-车辆、Camera-LiDAR联合标定、多相机及EOL产线标定）的设计、开发与工程化落地
工作涵盖从数据分析、算法开发到实车测试与量产部署的全流程，需要在精度、鲁棒性与收敛性能上持续优化
适合具备视觉/三维几何与非线性优化功底、且有量产经验积累的算法工程师
最低要求
基础要求
计算机、自动化、电子信息、车辆工程、数学、控制、机器人等相关专业，硕士及以上学历
具有计算机视觉、机器人、自动驾驶、SLAM、三维点云或多传感器融合相关项目2年以上经验
算法能力
熟悉相机标定、坐标系变换及三维几何基础，掌握旋转矩阵、四元数、Euler Angle 等姿态表示方法
熟悉计算机视觉及三维几何算法，如 Optical Flow、特征匹配、PnP、RANSAC、Homography、Vanishing Point、ICP/GICP 等
熟悉非线性优化及 Ceres、g2o 等优化框架，具备标定算法精度、鲁棒性和收敛性分析能力
工程能力
熟悉 C/C++、Python 及 Linux 开发环境，具备良好的代码实现、调试和性能优化能力
熟悉 OpenCV、PCL、Eigen、Ceres 等常用算法库，具备算法模块工程化和量产部署经验
具备较强的数据分析和问题定位能力，能够结合实际数据、日志及实车测试结果进行算法迭代和优化
工作职责
负责智能驾驶/ADAS 多传感器标定算法的设计、开发、优化与落地，包括相机内外参标定、相机-车辆标定、Camera-LiDAR 联合标定、多相机标定、EOL 产线标定等
负责标定算法核心模块的开发、优化及工程化实现
负责标定算法的精度、鲁棒性和收敛性能优化，并针对实际道路及车辆运行场景进行算法分析和改进
负责算法从数据分析、算法开发到实车测试和量产部署的落地
优先资格
具有智能驾驶/ADAS 量产项目开发经验
具有 Camera、LiDAR 等多传感器标定经验
具有实际车辆道路测试及标定问题分析经验
具备 AI 辅助编程实践经验，熟悉 GitHub Copilot、OpenAI Codex 等工具，能够利用 AI 提升算法开发、调试和代码重构效率
具有嵌入式/车载平台算法部署及 CPU 性能优化经验
AI 洞察
优缺点分析
优点
- 技术栈完整且贴近量产，标定是ADAS量产落地的关键环节，经验含金量高、可迁移性强
- 岗位覆盖从算法研究到实车部署的全流程，能系统锻炼工程化与问题定位能力
- 多传感器融合与产线标定属于行业紧缺技能，市场议价空间较好
- 实车测试、产线支持可能带来出差或现场跟线的强度
- 多传感器标定问题定位链条长，既要有理论功底也要有耐心做数据分析
- 适合有视觉/三维几何与非线性优化基础、希望在自动驾驶量产方向长期积累的算法工程师，尤其是有SLAM、点云或多传感器融合背景的人
缺点 / 挑战
- 需要同时兼顾算法精度与产线节拍、量产稳定性，工程落地压力不小
角色解读
- 可在多传感器融合、SLAM与自动标定方向持续深耕，成长为感知/标定方向的资深算法专家
- 积累量产项目经验后，可转向算法架构设计或带领小型算法团队
- 在Tier1供应商体系内，还可向系统方案、产品定义或技术管理方向横向拓展
- 负责ADAS系统里相机、激光雷达等传感器的标定算法，包括相机内外参、相机-车辆、Camera-LiDAR联合标定以及产线EOL标定
- 把标定算法做成可工程化、可量产的模块，推进从数据分析、算法开发到实车测试与量产部署的完整链路
- 持续优化标定的精度、鲁棒性与收敛速度，并针对真实道路与车辆工况定位和改进问题
- 扎实的三维几何与视觉基础，熟悉相机模型、坐标系变换、旋转矩阵/四元数/Euler Angle等姿态表示
- 掌握PnP、RANSAC、ICP/GICP、特征匹配等经典几何算法，并能用Ceres、g2o做非线性优化
- 工程实现能力要好，熟练C/C++、Python、Linux，会用OpenCV、PCL、Eigen等库并做性能优化
申请策略
- 提前了解博世ADAS产品线与量产项目背景，面试中体现对量产落地的理解而非纯研究视角
- 准备好讲清一个从算法设计到实车验证的完整闭环案例
- 突出与标定直接相关的项目，写清标定对象（相机内参/外参、相机-车辆、Camera-LiDAR）、精度指标与收敛表现
- 量化算法效果，如重投影误差下降幅度、标定成功率、收敛速度提升、量产部署规模等
- 强调C++工程能力与优化库使用经验（Ceres、g2o、Eigen、PCL、OpenCV），以及Linux下的调试与性能优化
- 如有ADAS量产、EOL产线或实车路测经验，务必单列并说明你在其中的角色
- 补强非线性优化与三维几何的系统性理解，能手推BA、ICP/GICP等核心算法
- 熟悉车载嵌入式平台的算法部署与CPU性能优化，了解量产标定的工程约束
面试指南
- 用STAR结构讲项目：先讲清楚问题背景与约束（量产、产线、算力），再讲方案选型与权衡，最后给量化结果与复盘
- 技术问题按“原理—实现—验证”三层回答：先说数学原理与假设，再说工程实现细节，最后给评估指标与实验数据
- 问题排查类问题用“现象—假设—验证—根因—改进”的闭环思路，体现数据驱动与工程严谨性
- 请介绍一个你做过的多传感器标定项目，标定对象、精度指标和最终落地情况如何？
- 相机-激光雷达联合标定的外参初值怎么给？如何判断标定结果是否收敛、精度是否可信？
- 在EOL产线标定场景下，如何平衡标定精度与节拍时间？遇到过哪些量产问题？
- Ceres中如何构建标定问题的残差与雅可比？出现局部最优或不收敛时你怎么排查？
- 实车道路测试中标定漂移或精度下降，你的问题定位思路是什么？
职位点评
薪资福利74
成长发展84
工作生活62
使命价值76
薪资福利
74中等
JD未披露薪资与福利细节，但岗位技能门槛高、属于量产核心算法方向，通常对应中上薪酬水平。
薪资信号未披露（AI估算：2.0千–3.6万/月）
成长发展
84较高
岗位覆盖多传感器标定核心算法与量产落地全流程，技术积累深、可迁移性强，成长空间明确。
技术前沿主流现代技术
技术栈C++、Python、OpenCV、PCL、Eigen、Ceres、g2o、SLAM、Camera-LiDAR标定、三维点云、非线性优化
业务类型profit_center
工作生活
62中等
JD未提及办公模式与加班情况，岗位涉及实车测试与产线标定，现场投入度较高。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
76中等
处于智能驾驶这一高速发展赛道，标定直接关系行车感知安全，具备较明确的技术价值感。
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