感知算法工程师（泊车方向）

优缺点分析

角色解读

• 从感知算法工程师逐步成长为技术专家，主导泊车感知核心算法
• 可横向扩展至自动驾驶其他模块（如规划、控制），或纵向深入多传感器融合方向
• 随着量产项目落地，积累工程经验后晋升为团队技术负责人或架构师
• 负责研发和实现车载感知系统中的机器学习模块，包括目标检测、分割、跟踪等
• 处理多传感器数据（如摄像头、雷达），进行算法部署和性能评估
• 与上下游团队协作，设计并落地量产泊车的技术方案
• 扎实的算法与数据结构基础，精通C++和Python编程
• 熟悉至少一种深度学习框架（如PyTorch、TensorFlow）
• 深入理解机器学习和计算机视觉（目标检测、分割、跟踪等）
• 有自动驾驶或泊车感知量产经验者极具优势

申请策略

• 在简历中量化算法效果（如mAP、FPS），展示工程化思维
• 关注轻舟智航的产品和技术博客，面试中体现对公司技术路线的理解
• 突出计算机视觉和机器学习项目经验，尤其是目标检测、分割、跟踪等领域的成果
• 强调C++和Python编程能力，以及深度学习框架的使用经验
• 如有自动驾驶或泊车量产相关经历，务必重点描述
• 列出顶会论文或竞赛获奖，展示研究深度
• 强化C++性能优化和Python脚本能力，熟悉Linux开发环境
• 深入学习多传感器融合和部署技术（如TensorRT、ONNX）

面试指南

• 对于技术问题，先明确问题边界，再提出多种方案并对比优劣
• 项目经验题用STAR法则：情境-任务-行动-结果，突出个人贡献
• 系统设计题从需求、架构、关键模块、部署、评估逐步展开
• 如何设计一个泊车场景下的目标检测模型？如何平衡精度和速度？
• C++中如何实现一个高效的数据结构用于点云处理？
• 解释一下你过去做过的视觉分割项目，遇到的挑战和解决方案
• 多传感器融合中，时间同步和空间对齐如何处理？
• 如何评估感知算法在量产车上的性能？有哪些关键指标？