vivo
多传感器姿态融合算法工程师
多传感器姿态融合算法工程师
发布于 3 天前普通员工/个人贡献者
杭州市 / 深圳市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Imu
Slam
云台控制
多传感器融合
嵌入式系统
惯性导航
因子图优化
姿态解算
扩展卡尔曼滤波
AI 估算 · 25k–45k
高级算法工程师岗位，要求硕博且技能稀缺，vivo大厂薪资竞争力强，杭州深圳薪酬水平较高。
职位详情
关于这个职位
作为vivo的多传感器姿态融合算法工程师，你将主导基于IMU的高精度姿态解算，设计多传感器融合架构，并研究视觉惯性里程计在云台中的应用
该职位要求扎实的数学功底和嵌入式实现能力，适合对SLAM、惯性导航和机器人学有深入理解的算法专家
最低要求
一、基础要求
导航工程、航空航天、控制工程、计算机视觉、机器人学或相关方向硕士以上学历
扎实的数学基础：李群/李代数、随机过程与估计理论、矩阵论、凸优化
二、核心能力
惯性导航：深入理解 IMU 误差模型（Allan 方差分析）、捷联惯导解算、零偏在线估计
状态估计：熟练掌握 EKF/UKF/粒子滤波
了解因子图优化框架（GTSAM/Ceres/g2o）
SLAM 基础：理解 VIO 系统架构（VINS-Mono/ORB-SLAM3）
熟悉前端特征跟踪与后端位姿优化
传感器标定：有 IMU 内参/外参标定、相机-IMU 时空标定实践经验（Kalibr 等工具链）
嵌入式实现：熟悉算法在 STM32/ARM Cortex-M/DSP 上的实时部署
了解定点化与计算优化
控制基础：了解 PID/LQR 在云台稳定控制中的应用
理解控制带宽与估计延迟的耦合关系
工作职责
一、惯性导航与姿态解算
主导基于 IMU 的高精度姿态解算算法研究，深入处理陀螺仪零偏、加速度计噪声、温漂等误差源的建模与在线标定
研究四元数/旋转矩阵/李群 SE(3) 等姿态表达方式在数值稳定性与计算效率上的权衡，设计适合嵌入式实时运行的解算框架
针对云台高动态旋转场景，研究 IMU 预积分、积分误差补偿与姿态重置策略，抑制长时间运行下的漂移累积
二、多传感器融合
设计 IMU + 视觉 + 磁力计 + 气压计 + GPS 等多源传感器的融合架构，根据场景动态切换融合权重与观测模型
研究基于扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、因子图优化（GTSAM/g2o）的紧耦合/松耦合融合方案，分析各方案在精度、延迟、鲁棒性上的工程取舍
解决多传感器时间戳对齐、外参标定、数据异步等工程问题，保障融合系统在真实硬件上的可靠运行
三、视觉辅助定姿（SLAM 方向）
研究视觉惯性里程计（VIO）在云台姿态辅助中的应用，利用图像特征约束修正 IMU 漂移，提升长时间绝对姿态精度
针对云台旋转幅度大、视场变化剧烈的特点，研究快速特征重匹配、关键帧管理与地图复用策略，保障 SLAM 前端在高动态场景下的稳定跟踪
研究 SLAM 回环检测与位姿图优化对云台姿态全局一致性的修正机制，抑制长航时任务中的累积误差
四、云台控制协同
深入理解三轴云台（Pitch/Roll/Yaw）的机械结构与电机驱动原理，研究姿态估计误差对 FOC/PID 控制回路稳定性的影响
参与姿态估计模块与云台控制器的接口设计，优化估计延迟与控制带宽的匹配关系
研究万向节锁死的规避策略与奇异姿态下的平滑切换方案
优先资格
有 AHRS/INS 系统开发经验者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，覆盖惯性导航、SLAM、多传感器融合等多个高价值领域
- vivo作为手机及可穿戴设备巨头，有真实产品落地场景和丰富数据资源
- 岗位涉及软硬结合，动手能力强，技能积累厚实
- 技术难度高，要求数学和工程能力兼备，学习曲线陡峭
- 可能面临较大工作强度，尤其在项目关键阶段
- 适合对导航定位和机器人学有强烈兴趣，喜欢深度钻研算法并愿意深入嵌入式系统的技术型人才
缺点 / 挑战
- 嵌入式实时环境下的算法优化和调试极具挑战性
角色解读
- 在vivo可深入接触消费电子/机器人前沿算法，成为多传感器融合领域专家
- 横向可扩展至自动驾驶、无人机等领域的定位导航算法岗位
- 纵向可晋升为算法团队负责人或技术专家，主导核心算法迭代
- 主导基于IMU的高精度姿态解算算法研究，处理陀螺仪零偏、加速度计噪声等误差源建模与在线标定
- 设计IMU+视觉+磁力计等多传感器融合架构，研究EKF、UKF、因子图等融合方案
- 研究视觉惯性里程计在云台姿态辅助中的应用，解决高动态场景下的SLAM跟踪问题
- 与云台控制团队协作，优化姿态估计与控制回路的匹配，处理万向节锁死等异常
- 扎实数学基础：李群李代数、随机过程、矩阵论、凸优化
- 精通惯性导航：IMU误差模型、捷联惯导解算、零偏在线估计
- 熟悉状态估计：EKF/UKF/粒子滤波，了解因子图优化框架
- 具备嵌入式实现能力：算法在STM32/ARM Cortex-M/DSP上的实时部署
申请策略
- 了解vivo在影像和机器人方面的产品布局，面试中可结合业务展现理解
- 准备好一个深入的技术项目讲解，展示从理论到工程落地的思路
- 突出惯性导航或SLAM相关项目经验，如AHRS、VINS-Mono、ORB-SLAM等
- 强调数学建模能力，如在论文或竞赛中涉及滤波、优化理论
- 展示嵌入式开发经验，特别是算法在ARM/DSP平台上的移植和优化
- 如有传感器标定或外参标定经验务必提及
- 复习李群李代数、随机过程等数学基础，建议阅读《视觉SLAM十四讲》
- 动手实践VIO开源框架如VINS-Mono或ORB-SLAM3，理解代码细节
面试指南
- 回答技术概念时，先给出定义和核心公式，再说明工程意义和实际案例
- 对比方案时，从精度、计算开销、鲁棒性三个维度分析，并给出适用场景
- 工程问题回答，遵循“问题-分析-解决方案-验证”的闭环逻辑
- 请解释IMU预积分在VIO中的作用和原理
- 如何标定相机与IMU之间的外参？时间戳不同步怎么处理？
- EKF与因子图优化在姿态估计中的优缺点对比
- 在嵌入式平台上如何降低卡尔曼滤波的计算延迟？
- 云台万向节锁死时，姿态估计算法应该如何应对？
职位点评
70
综合评分
vivo高级算法岗，技术前沿，薪资优厚，但需现场办公且工作强度可能较大。
更适合这类人
适合以技术成长为首要目标、能接受高强度工作的求职者。
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40
使命价值75
薪资福利
75中等
vivo为行业巨头，薪资福利具有市场竞争力，但JD未明确具体薪资和福利，推测处于市场中等偏上水平。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
岗位涉及惯性导航、多传感器融合、SLAM等前沿技术，技能密度高，成长空间大，但JD未提及明确的晋升路径或培训。
技术前沿前沿/新兴技术
技术栈IMU、惯性导航、姿态解算、EKF、UKF、因子图优化、视觉惯性里程计、SLAM、嵌入式系统、云台控制
业务类型profit_center
工作生活
40较低
要求仅现场办公，未提及弹性工作或远程，且vivo作为大型科技公司可能加班较多，WLB一般。
工作模式仅现场办公
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
75中等
智能设备与机器人行业处于高速增长期，该岗位通过算法提升产品体验，社会价值中等，创新性较高。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs