vivo
控制算法工程师（姿态融合与状态估计）
控制算法工程师（姿态融合与状态估计）
发布于 大约 1 小时前普通员工/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)
Ekf
Imu
Matlab
Ukf
传感器标定
信号处理
嵌入式优化
李群李代数
AI 估算 · 30k–50k
硕士5年+核心算法岗，vivo薪资竞争力强，杭州/深圳市场行情25-45K，综合考虑定30-50K
职位详情
关于这个职位
该职位负责多传感器融合姿态估计算法的研发与落地，包括IMU、编码器及视觉信息融合，需要深厚的信号处理、卡尔曼滤波和李群李代数功底
你将参与从算法设计到嵌入式实现的完整流程，解决振动环境下精度问题，属于核心算法岗
最低要求
专业背景：研究生及以上学历，导航制导与控制、机器人学、信号处理、数学或相关专业，5 年以上姿态解算经验
核心理论：
（1）精通卡尔曼滤波家族算法及其在姿态估计中的应用
（2）深入理解 SO(3) / SE(3) 李群李代数，能熟练处理时变坐标系下的姿态变换
（3）扎实的信号处理基础，熟悉时域/频域分析及各类数字滤波器设计
数学功底：精通概率统计、随机过程模型及最优化理论
编程技能：精通 C/C++（具备良好的位运算和内存管理意识），熟练使用 MATLAB 或 Python 进行算法建模
工作职责
多传感器融合算法开发：
（1）基于 IMU（加速度计、陀螺仪、磁力计）和电机编码器开发高性能姿态融合算法（如 EKF, UKF, ES-EKF 或互补滤波）
（2）负责 3D 旋转表示（四元数、旋转矩阵、欧拉角）的转换与数学推导，解决万向节死锁和奇异点问题
（3）探索视觉信息（如光流、SLAM 位姿）与惯性导航的深度融合
传感器建模与标定：
（1）建立精细的传感器误差模型，负责 IMU 的零偏不稳定性（Bias）、比例因子、非正交误差的在线/离线标定
（2）设计温度补偿算法，解决传感器在不同工作温度下的数据漂移问题
振动分析与抑制：
（1）分析云台系统的结构共振和电机高频噪声，设计高性能的数字滤波器（FIR, IIR, 陷波器）
（2）优化动态环境下的加速度补偿策略，确保在离心力或大幅度晃动下的水平面检测精度
工程落地与性能评估：
（1）在嵌入式芯片（ARM/DSP）上实现算法，针对算力瓶颈进行定点化优化或矩阵运算优化
（2）构建高精度的算法评估系统（如使用高精度转台或光学捕获系统进行 Benchmark 验证）
优先资格
有惯性导航（INS）、组合导航或 VIO（视觉惯性里程计）开发经验
熟悉常见 IMU 芯片的物理特性及噪声特性
有成功处理高频振动环境下姿态解算失效问题的经验
熟悉电机 FOC 控制原理，了解电流环对姿态反馈的实时性要求
AI 洞察
优缺点分析
优点
- vivo为行业巨头，研发投入大，产品落地场景明确，技术变现快
- 涉及多传感器融合前沿技术，技能积累深厚，跳槽竞争力强
- 薪资福利优厚，且位于杭州/深圳，城市发展前景好
- 对数学和算法理论要求极高，需要持续学习李群李代数等抽象知识
- 嵌入式平台算力受限，算法优化和定点化工作难度大
缺点 / 挑战
- 云台等产品对实时性和精度要求严苛，调试压力较大
- 适合数学功底扎实、热爱底层算法研究、能接受高强度技术挑战的硬核工程师
角色解读
- 向更高阶的VIO/视觉SLAM及组合导航方向发展
- 成为机器人控制或自动驾驶领域的核心专家
- 可晋升为技术专家或团队负责人，主导算法创新
- 开发多传感器融合算法，如EKF/UKF，将IMU、编码器、视觉数据融合，实现高精度姿态估计
- 进行传感器建模与标定，包括IMU零偏、温度漂移等误差补偿
- 分析云台振动特性，设计数字滤波器抑制噪声，提升动态稳定性
- 将算法在嵌入式平台（ARM/DSP）上实现并优化，确保实时性和精度
- 精通卡尔曼滤波理论及其在姿态估计中的应用
- 深入理解SO(3)/SE(3)李群李代数，能处理坐标系变换
- 扎实的信号处理基础，熟悉时频域分析和数字滤波器设计
- 精通C/C++和MATLAB/Python，具备嵌入式优化能力
申请策略
- 在简历中明确写明5年以上姿态解算经验，并附上关键算法成果
- 面试前了解vivo云台产品线，准备相关技术解决方案
- 突出姿态估计相关项目经验，特别是EKF/UKF的应用细节
- 展示传感器标定和误差建模的实例，最好有量化结果
- 强调C/C++嵌入式优化经历，如定点化、内存管理
- 如有VIO或INS经验，务必单独列出
- 复习SO(3)/SE(3)李群李代数，可在公开课程中巩固
- 动手实现一个完整的EKF姿态融合程序，理解各模块
面试指南
- 对于算法类问题：先陈述基本原理，再结合项目经验给出具体实现细节
- 对于问题解决类：分析现象→定位根本原因→提出多种方案→择优实施
- 请推导扩展卡尔曼滤波在姿态估计中的状态方程和观测方程
- 如何解决IMU零偏随时间漂移的问题？设计一个在线标定方案
- 在强振动环境下，姿态解算失效如何处理？请给出思路
- 解释四元数、旋转矩阵、欧拉角的优缺点及转换公式
- 如何在嵌入式芯片上加速矩阵运算？举例说明
- 准备一个完整姿态估计案例，从传感器模型到算法实现，预演讲解
职位点评
66
综合评分
vivo核心算法岗，薪资优厚、技术前沿，但加班未明确且现场办公。
更适合这类人
适合追求高薪和技术深度的求职者，愿意为成长牺牲部分WLB。
表现最好
薪资福利
相对薄弱
工作生活
薪资福利85
成长发展80
工作生活40
使命价值60
薪资福利
85较高
vivo为自负盈亏的巨头，薪资具备市场竞争力；JD虽未明确薪资，但结合岗位层级估算30-50K，且五险一金等福利齐全。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
80较高
岗位涉及多传感器融合、李群李代数等前沿技术，技术成长空间大；但JD未提及晋升通道或培训。
技术前沿前沿/新兴技术
技术栈EKF、UKF、IMU、李群李代数、视觉惯性里程计
业务类型ambiguous
工作生活
40较低
仅现场办公，杭州/深圳办公室地点未明确，但大概率在科技园；JD未提加班或WLB，结合行业特点可能存在高强度。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
消费电子行业稳定，云台产品技术有实际应用价值，但社会影响力中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs