定位算法工程师

优缺点分析

角色解读

• 可以成长为定位算法专家，深入视觉SLAM、多传感器融合等技术方向
• 有机会晋升为技术负责人，带领团队推进自动驾驶定位项目
• 积累量产经验后，可转向更高阶的自动驾驶系统架构或技术管理岗位
• 负责开发基于视觉特征点的匹配定位算法，用于自动驾驶车辆的高精度位置估计
• 将定位算法落地到高速NOA、记忆泊车和城区NOA等实际场景，确保量产可靠性
• 探索端到端匹配定位方案，推动定位技术的迭代与创新
• 扎实的深度学习基础，熟练使用TensorFlow或PyTorch框架
• 精通C++编程（C++11及以上），熟悉算法和数据结构
• 理解传感器融合、滤波（卡尔曼、粒子）和非线性优化（高斯-牛顿）算法
• 了解高精地图、SD地图格式，具备几何数据处理能力

申请策略

• 申请时可表达对自动驾驶量产落地的热情，并针对三地意愿说明偏好
• 了解轻舟智航的NOA产品和技术路线，在面试中展示匹配度
• 突出硕士及以上学历背景，以及自动驾驶或机器人相关的项目经历
• 详细描述在SLAM特征提取、匹配定位或传感器融合方面的实际成果
• 强调C++编程能力，列出用过的框架（TensorFlow/PyTorch）和优化算法
• 展示量产项目经验，特别是定位算法成功落地的案例
• 如果还不熟悉，可深入学习SLAM原理（如ORB-SLAM、LIO-SAM）并动手实践
• 复习卡尔曼滤波、粒子滤波和非线性优化经典算法，掌握数学推导

面试指南

• 回答项目问题遵循STAR法则：情境、任务、行动、结果，并强调你的贡献和量化指标
• 技术原理类问题先讲核心概念，再给公式或流程，最后结合工程实践说明
• 适当展示对比分析，如不同算法的优劣，体现你的思考深度
• 请详细介绍你过去做过的一个定位匹配项目，以及遇到的技术难点
• 如何设计一个基于视觉特征的定位方案，使其在光照变化时依然鲁棒？
• 解释卡尔曼滤波和粒子滤波的原理及适用场景，举例说明
• 在C++中如何高效管理内存？你用过哪些C++11以上特性？
• 你对高精地图和轻地图的理解？它们在定位中扮演什么角色？