【华锐捷】视觉算法工程师(J22601)

优缺点分析

角色解读

• 在视觉算法领域深耕，成为立体视觉或车载感知方向的专家
• 向技术Leader方向转型，带领团队攻克算法难题
• 横向拓展到其他感知任务（如多传感器融合、SLAM）或转岗至AI平台架构等方向
• 负责立体视觉算法的核心研发，包括单目/双目深度估计、双目标定、立体匹配等，提升算法精度和实时性
• 将算法部署到不同平台（如嵌入式设备），推动产品化落地，特别是在车载场景中应用
• 参与相机传感器的选型、测试以及布置校核与标定集成，确保硬件与算法协同工作
• 扎实的立体视觉和深度学习基础，熟悉双目深度估计算法全流程
• 熟练使用C/C++或Python，掌握至少一种深度学习框架（PyTorch/TensorFlow等）
• 了解目标检测、跟踪、分割等计算机视觉任务，有项目落地或嵌入式部署经验更佳
• 较强的英文文献阅读能力，能快速跟踪前沿技术

申请策略

• 了解大华股份在车载领域的业务布局（如华锐捷品牌），在面试中展示对此的兴趣
• 准备好一个端到端的立体视觉项目案例，详细说明从算法设计到部署的流程
• 突出立体视觉或深度估计相关的项目经验，尤其是双目深度估计算法开发与优化
• 展示模型部署或嵌入式开发经历，强调算法落地能力
• 列出熟悉的深度学习框架和编程语言，并说明在项目中的具体应用
• 如有论文发表或竞赛成绩，可作为加分项
• 深入掌握立体匹配的经典方法（如SGM）与深度学习方法（如PSMNet）
• 学习模型量化、剪枝等部署优化技术，熟悉TensorRT或ONNX Runtime

面试指南

• 对于流程类问题，按步骤拆解（标定、矫正、匹配、后处理），并指出每个步骤的常见问题和优化点
• 对于优化类问题，从算法层面（轻量化网络、剪枝）和工程层面（并行计算、模型量化）分别阐述
• 对于结合应用的问题，先明确场景约束（实时性、资源受限），再提出解决方案的权衡
• 请详细讲解双目深度估计的完整流程，并对比传统方法与深度学习方法的优劣
• 如何优化深度估计算法的实时性？请举例说明你使用过的部署优化技巧
• 目标检测与深度估计可以如何结合？在车载场景下有哪些挑战？
• 解释一下相机标定的内参和外参，以及畸变校正的过程
• 你如何跟踪最新的视觉算法论文？请分享一篇你最近读过的相关论文