【HSA】无图定位算法工程师

优缺点分析

角色解读

• 技术纵深发展：成为定位/感知领域的资深专家，主导下一代定位技术方向
• 横向扩展：接触感知、规划等模块，逐步成为自动驾驶系统架构师
• 管理方向：带领团队负责完整定位方案，晋升为技术经理或总监
• 负责城区自动驾驶中的多传感器融合定位算法开发，包括DR、组合导航、SLAM等
• 进行无图/众包地图场景下的定位方案预研与算法攻关，解决实际路测中的定位难题
• 推动定位算法从原型验证到量产落地，优化性能和鲁棒性
• 精通SLAM、状态估计、多传感器融合等基础理论
• 熟练使用ROS及主流SLAM开源框架（ORB-SLAM、VINS、DSO等）
• 扎实的C/C++和Python编程能力，具备高效的算法实现与调试能力

申请策略

• 了解地平线在城区自动驾驶的布局和产品路线，面试中展现对业务的思考
• 准备一个你解决过的最具挑战性的定位问题，并详细描述解决方案
• 突出SLAM/定位相关项目经验，尤其是量产或落地过的方案
• 列举你熟悉的算法框架及优化手段，如多传感器标定、IMU预积分等
• 展示论文或专利成果，突出学术创新能力
• 深入理解非线性优化、卡尔曼滤波等状态估计理论
• 动手复现经典VIO/VSLAM开源代码，并尝试改进
• 学习C++现代特性及性能优化技巧，提高工程能力

面试指南

• 对于算法对比类问题：从原理、优缺点、适用场景、工程实践角度回答
• 对于设计类问题：从需求分析、系统架构、传感器选择、融合策略、鲁棒性优化等方面展开
• 对于挑战类问题：采用STAR法则（情境、任务、行动、结果）描述
• 请介绍你在城区自动驾驶定位项目中遇到的最大挑战及解决方法
• 比较ORB-SLAM3和VINS-Mono的优缺点及适用场景
• 如何设计一个多传感器融合定位系统？考虑哪些因素？
• 如何解决隧道、地下车库等GPS失效场景下的定位问题？
• 解释IMU预积分的原理及其在SLAM中的作用