地平线
自动驾驶感知算法工程师
自动驾驶感知算法工程师
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
Onnx
Pytorch
Tensorflow
Tensorrt
多传感器融合
目标检测
自动驾驶
计算机视觉
值不值得投
75综合评分
综合评分 75
头部自动驾驶公司高难度算法岗，技术前沿、成长快，但WLB未知。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
4.5万
比自动驾驶中位数高
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 440 个在招 · 其中自动驾驶 38 个
市场机会
选择面较广
北京 · 自动驾驶 · 99 个在招
职位详情
关于这个职位
作为地平线智能汽车事业部的自动驾驶感知算法工程师，你将专注于研发和优化基于深度学习和计算机视觉的目标检测、分割与预测算法，并设计多传感器融合方案
该职位涉及从数据构建、算法优化到车载平台部署的全流程，直面极端天气、遮挡等长尾挑战，是推动自动驾驶技术落地的核心角色
最低要求
学历背景：计算机、电子工程、机器人、自动化等相关专业硕士及以上学历
熟练掌握深度学习框架（PyTorch/TensorFlow），熟悉经典目标检测/分割模型（如 Mask R-CNN、BEVFormer、YOLO 系列等）
熟悉计算机视觉基础（相机模型、标定、多视角几何）和点云处理（如 PointNet、VoxelNet）
熟悉感知相关任务（如语义分割、车道线检测、动态目标检测等）
具备 C++/Python 开发能力，熟悉 Linux 环境及嵌入式部署优化（如 TensorRT、ONNX）
工作职责
研发和优化基于深度学习、计算机视觉的目标检测、分割、识别与预测算法（如车道线、交通标志、红绿灯、路沿、动态障碍物、轨迹预测等）
设计多传感器（摄像头、激光雷达、毫米波雷达等）融合的环境感知方案，提升系统的稳定性和精度
构建大规模场景数据集，设计数据挖掘与标注策略，优化模型训练 pipeline
针对实际场景中的长尾问题（如极端天气、遮挡、低光照等）进行算法优化与创新
将算法部署到车载计算平台（如 NVIDIA、地平线等），实现高性能实时推理
优先资格
有行车泊车感知等相关经验优先
在 CVPR/ICCV/ECCV/IROS等顶会或期刊发表相关论文者优先
AI 洞察
优缺点分析
优点
- 地平线是行业头部公司，平台资源丰富，有机会接触前沿技术和量产项目
- 工作内容涵盖算法研发、数据工程到部署优化的全流程，技能积累全面
- 多城市工作地点选择，为求职者提供了灵活的地理选项
- 自动驾驶感知算法技术难度高，需要持续学习和跟进学术界最新进展
- 对综合能力要求高，不仅需要算法能力，还需具备工程实现和跨团队协作能力
缺点 / 挑战
- 身处自动驾驶这一高速增长的赛道，技术挑战大，个人成长空间广阔
- 长尾问题处理复杂，可能面临较大的工作压力和项目交付时间要求
- 适合对自动驾驶技术有强烈热情，具备扎实计算机视觉和深度学习基础，并愿意接受高难度技术挑战的算法工程师
角色解读
- 技术专家路线：从感知算法工程师逐步成长为感知算法专家、首席科学家，主导核心算法方向
- 技术管理路线：积累经验后向技术经理、研发总监等管理岗位发展，带领团队完成项目交付
- 跨领域发展：基于感知算法基础，向自动驾驶系统架构、决策规划、全栈技术等方向拓展
- 研发和优化基于深度学习的视觉感知算法，包括目标检测、分割、识别与预测，覆盖车道线、交通标志、动态障碍物等核心任务
- 设计并实现摄像头、激光雷达、毫米波雷达等多传感器融合方案，提升环境感知系统的鲁棒性和精度
- 构建和管理大规模场景数据集，制定数据挖掘与标注策略，并持续优化模型训练流程
- 针对极端天气、遮挡、低光照等长尾场景进行算法创新，并将模型部署到车载计算平台实现实时推理
- 扎实的深度学习基础，熟练掌握PyTorch或TensorFlow，熟悉YOLO、BEVFormer等主流检测/分割模型
- 深厚的计算机视觉功底，包括相机模型、标定、多视角几何，以及点云处理技术
- 精通C++和Python，熟悉Linux开发环境，具备TensorRT、ONNX等嵌入式部署优化经验
- 对自动驾驶感知任务有深入理解，包括语义分割、车道线检测、动态目标检测等
申请策略
- 在申请时明确表达对自动驾驶技术的热情和对地平线公司技术方向的认同
- 准备一个能体现你解决长尾问题能力的项目案例，在面试中详细阐述
- 重点突出在目标检测、分割、多传感器融合等感知算法方面的项目经验和实际成果
- 详细描述在模型训练、数据pipeline构建和嵌入式部署优化方面的具体工作
- 强调C++/Python编程能力和在Linux环境下的开发经验，如有TensorRT部署经验务必突出
- 如有顶会论文或行车泊车感知项目经验，应放在显眼位置
- 系统复习BEVFormer、PointNet等前沿模型，并动手实现以加深理解
- 熟悉TensorRT、ONNX等部署工具，了解模型量化和加速技术
面试指南
- 项目经验类问题：采用STAR法则，清晰描述项目背景、你的具体任务、采取的技术方案和最终成果，重点突出你的个人贡献
- 技术方案设计类问题：先明确问题约束，再提出整体思路，然后分模块阐述技术选型和理由，最后说明如何评估和验证方案
- 部署优化类问题：从模型结构、量化、算子融合等角度系统分析，结合具体工具（如TensorRT）说明优化流程和效果
- 请详细介绍一下你过去在目标检测或分割项目中的技术方案和遇到的挑战
- 如何设计一个多传感器融合方案来提升雨雾天气下的感知精度？
- 谈谈你对BEVFormer等鸟瞰视角感知模型的理解和实现细节
- 在将模型部署到嵌入式平台时，你会如何进行性能优化？
- 如何设计数据挖掘策略来高效解决自动驾驶中的长尾问题？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
该职位为已上市大型企业的高级技术岗，薪资水平预计处于市场高位，但JD未明确提及具体薪资和福利细节。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
职位涉及深度学习、多传感器融合、嵌入式部署等前沿技术，技术挑战大，成长空间广阔，且公司为行业头部，能提供良好的发展平台。
技术前沿前沿/新兴技术
技术栈深度学习、计算机视觉、目标检测、多传感器融合、PyTorch、TensorFlow、TensorRT、ONNX
业务类型profit_center
工作生活
50较低
JD未提及工作模式和加班情况，无法判断WLB。自动驾驶行业项目节奏可能较快，但具体需与公司确认。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
自动驾驶技术对交通安全和效率有积极影响，行业处于高速增长期，工作具有较高的社会价值和使命感。
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
Watch Jobs