自动驾驶算法工程师实习生

优缺点分析

角色解读

• 实习表现优秀可转正，未来可发展为自动驾驶建图定位算法工程师
• 深耕SLAM/3D视觉方向，成长为技术专家或算法团队负责人
• 参与量产项目，积累工程落地经验，向系统架构或技术管理方向发展
• 参与智能驾驶地图系统的研发与优化，解决地下停车场等复杂场景的建图定位问题
• 跟踪并探索NeRF、3D Gaussian Splatting等前沿技术在实车场景的落地可行性
• 扎实的数学基础和编程能力，熟练掌握C++/Python，熟悉Ceres、g2o、PyTorch等库
• 深刻理解多视图几何与状态估计，有SLAM/VIO或3D重建相关研究或实践经验
• 对高精地图要素、语义建图、路网拓扑等有一定了解

申请策略

• 在简历中体现对自动驾驶地图问题的理解，特别是地下停车场等特殊场景的挑战
• 关注地平线技术博客或公开演讲，了解其技术路线和产品线
• 突出SLAM/VIO或3D重建相关项目经历，尤其是动手实现过完整系统
• 如有顶会论文或开源贡献，务必列出，并简述创新点
• 强调编程能力，特别是C++/Python及Ceres、PyTorch等工具的使用经验
• 如有时间，可以熟悉NeRF、3D Gaussian Splatting的基本原理和代码
• 复习多视图几何、状态估计等理论知识，准备面试手撕代码
• 了解自动驾驶常见的建图定位方案（如高精地图、众包更新）

面试指南

• 对于算法流程类问题，先概述整体框架，再分模块阐述关键步骤和公式
• 对于开放性问题，先分析问题难点，再提出自己的解决思路，结合实际场景
• 对于手写代码，注意代码规范，边写边解释思路
• 请详细讲解ORB-SLAM2的流程，包括前端、后端、回环检测
• 如何解决地下停车场无GNSS情况下的定位问题？
• 解释NeRF和3D Gaussian Splatting的区别与优缺点
• 手写一个简单的BA（Bundle Adjustment）代码
• 如何看待有图与无图方案之争？