【实习】三维重建大模型

优缺点分析

角色解读

• 在实习期间积累三维重建与计算机视觉的前沿算法经验，产出可落地的原型系统
• 表现优秀者可获得转正机会，进入地平线正式研发团队，继续深耕自动驾驶或机器人感知领域
• 为后续申请顶级实验室或攻读博士提供强有力的项目与论文基础
• 参与高精度三维重建系统的算法研究与原型实现，包括多视图几何、稠密重建、Mesh生成等模块的设计与优化
• 在计算机视觉与图形学专家的指导下进行前沿探索，复现最新顶会论文中的算法
• 使用C++或Python开发原型系统，结合COLMAP、Open3D等工具链进行实验验证
• 扎实的多视图几何、三维重建基础理论，理解SfM、MVS、TSDF等核心流程
• 熟练掌握C++或Python，具备良好的代码风格和工程实现能力
• 熟悉点云处理或三维重建系统开发，能够使用COLMAP、Open3D等常用工具
• 较强的英文阅读能力，能够快速理解并复现顶会论文

申请策略

• 在简历和面试中强调自己对三维重建的热情和长期关注，展示对地平线4D Label业务的理解
• 提前了解地平线在自动驾驶感知方面的布局，思考三维重建如何服务于自动标注或地图构建
• 突出三维重建项目经历，特别是使用COLMAP、Open3D等工具完成过完整重建管线的经验
• 如果熟悉深度学习重建（如MVSNet、Dust3R），务必单独列出并说明效果
• 强调论文复现能力，列举复现过的顶会论文标题及简要成果
• 展示C++或Python代码能力，可附上GitHub仓库链接
• 提前熟悉COLMAP、Open3D的安装与使用，跑通官方示例
• 阅读并理解SfM、MVS、TSDF的经典论文，掌握核心公式推导

面试指南

• 理论类问题：先给出定义和流程，再举具体例子说明如何解决问题
• 对比类问题：列出优劣，结合自己的实践经验给出选择建议
• 开放设计类问题：先明确问题约束，再分步骤阐述思路，最后可提出可能的优化方向
• 请简述SfM的完整流程，并说明如何解决三角化中的外点问题？
• TSDF vs Poisson Surface Reconstruction的优缺点是什么？
• MVSNet的核心创新点是什么？你如何改进其深度图融合步骤？
• 你如何评估一个三维重建系统的精度？常用的指标有哪些？
• 手写一个简单的ICP算法（伪代码或关键步骤）