感知算法实习生

优缺点分析

角色解读

• 从实习生到正式感知算法工程师，逐步深入自动驾驶核心算法研发
• 积累BEV感知、多传感器融合等前沿技术经验，可向高级算法岗或技术专家发展
• 有机会发表顶会论文，为学术界或工业界高级职位奠定基础
• 探索BEV范式下车道线检测与实时局部建图等前沿感知算法
• 参与视觉技术在自动驾驶中的落地，覆盖数据采集、模型设计和部署验证全流程
• 了解自动驾驶系统架构，参与工程实践，并尝试将成果转化为顶会论文与专利
• 精通至少一门编程语言（C++或Python），具备扎实的数据结构与算法基础
• 熟悉深度学习基础知识，了解目标检测、分割、分类等常用算法
• 了解模型优化技术（剪枝、蒸馏、量化）和部署工具（ONNX、TensorRT）
• 对自动驾驶感知领域（尤其是BEV感知）有浓厚兴趣和学习热情

申请策略

• 申请时附上GitHub链接或技术博客，展示技术热情和动手能力
• 提前了解轻舟智航的技术路线和产品，在面试中展现对公司的兴趣
• 突出相关项目经历，尤其是目标检测、BEV感知或点云处理方向的成果
• 强调编程能力，如C++/Python项目、数据结构和算法竞赛经历
• 列出论文、开源贡献或学术奖项，展示研究潜力
• 系统学习BEV感知相关论文（如LSS、BEVDet），并尝试复现
• 熟悉模型部署工具链（ONNX、TensorRT），了解模型优化实操
• 补充多线程编程和并行优化知识，以应对工程实践

面试指南

• 对于算法原理问题：从输入输出、网络结构、关键创新点出发，结合公式或图示展开
• 对于项目经验问题：用STAR法则（情境、任务、行动、结果）清晰描述
• 对于优化问题：先明确目标（速度/精度），再分步骤说明优化手段（剪枝、量化、替换算子等）
• 请解释BEV感知的基本原理和主流方法（如LSS、BEVDet）
• 如何优化一个检测模型的推理速度？请举例说明
• 描述你参与过的一个计算机视觉项目，包括数据、模型和结果
• 你对自动驾驶感知系统架构的理解是什么？
• C++中如何实现多线程并行计算？注意哪些问题？