汽车电子-算法工程师（实习）-杭州

优缺点分析

角色解读

• 从算法实习生成长为自动驾驶算法工程师，深入掌握多传感器融合、高精地图构建及车辆动力学控制
• 未来可向自动驾驶系统架构师或高级算法专家方向发展，也可转向智能座舱或机器人领域
• 参与自动驾驶核心算法模块（如感知、定位、决策、控制）的代码开发与调试
• 协助工程师进行算法在量产项目中的优化、测试与交付支持
• 针对特定技术点（如CV或雷达算法）进行深入开发与移植优化
• 扎实的C/C++编程能力，具备嵌入式软件开发思维
• 掌握至少一项自动驾驶相关算法（计算机视觉、雷达处理、路径规划等）
• 良好的数学基础及车辆工程或计算机相关专业背景

申请策略

• 关注海康威视汽车电子业务线的最新动态，了解其在自动泊车领域的技术布局
• 准备1-2个能体现你解决复杂算法问题的具体案例，以便在面试中展示
• 突出C/C++项目经历，特别是涉及嵌入式或实时系统的经验
• 详细列出参与的自动驾驶、机器人相关竞赛或科研项目，强调具体负责的算法模块及成果
• 展示对CV、雷达或规划控制中某一领域的深度理解
• 复习线性代数、概率论等数学基础，强化C++指针、内存管理等底层知识
• 熟悉ROS/ROS2框架，了解常见传感器（摄像头、激光雷达）的数据格式与处理流程

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出个人贡献和技术难点突破
• 对于算法原理题，先阐述核心思想，再结合具体应用场景说明优劣，最后提及可能的改进方向
• 请介绍一个你使用C/C++实现的算法项目，重点说明数据结构选择和性能优化思路
• 在自动驾驶感知/规划/控制中，你如何理解卡尔曼滤波或SLAM算法的原理与应用？
• 如果雷达数据存在噪声或丢失，你会如何在算法层面进行处理和补偿？
• 简述一下路径规划中A*算法与RRT算法的优缺点及适用场景
• 重温经典算法书籍（如《算法导论》）中的关键章节
• 梳理自己过往项目中用到的数学模型和代码实现细节