IR红外定位追踪算法工程师

优缺点分析

角色解读

• 在机器人定位追踪领域深耕，可向高级算法专家或技术专家方向发展，主导核心算法研发
• 可横向拓展至XR/VR/AR设备定位追踪、自动驾驶感知等方向，技术迁移性强
• 有机会晋升为算法团队负责人或技术经理，负责团队管理与技术方向规划
• 负责IR-SLAM红外光学定位追踪算法的研发，基于红外相机与IMU实现目标设备的定位、姿态解算与连续运动跟踪
• 完成相机标定、多传感器时间同步，实现红外视觉与IMU的数据融合，解决跟踪漂移、抖动、遮挡等鲁棒性问题
• 与上层人体/手部姿态算法团队协同，输出低延迟高精度位姿，评估对上层姿态重建结果的影响并联合调优
• 参与算法原型开发、仿真验证、真实场景数据采集与性能评测，并推动算法在嵌入式平台的移植与优化
• 精通C++，具备扎实的数学功底，熟悉线性代数、概率统计、非线性优化
• 掌握多视图几何、相机标定、三角化、PnP、BA光束平差，熟悉SLAM/VIO完整技术链路
• 熟悉状态估计方法，熟练卡尔曼滤波、EKF/UKF等滤波算法，具备视觉-IMU融合项目经验
• 理解红外成像特性，能处理红外图像噪声、反光、曝光异常等工程问题，有Marker-based光学追踪经验优先

申请策略

• 关注智元机器人的产品方向和技术博客，了解公司技术栈和业务重点
• 准备一个完整的SLAM或VIO项目案例，展示从算法设计到工程落地的全流程能力
• 突出SLAM/VIO项目经验，特别是视觉-IMU融合的实际落地案例
• 强调C++编程能力和数学功底，展示在非线性优化、滤波算法方面的应用
• 如有红外光学追踪、Marker-based追踪或XR设备开发经验，务必重点突出
• 展示嵌入式平台算法优化经验，体现产品化思维
• 复习多视图几何、BA光束平差、位姿图优化等核心算法，确保理论基础扎实
• 熟悉红外成像特性，了解红外图像处理常见问题及解决方案

面试指南

• 项目经验类问题：采用STAR法则，清晰描述项目背景、任务、行动和结果，突出技术难点和你的贡献
• 技术原理类问题：先阐述基本原理，再结合具体场景说明应用和优化，体现深度理解
• 工程实践类问题：强调从算法到落地的全流程思维，展示对精度、延迟、功耗权衡的考虑
• 请详细讲解一个你主导的SLAM或VIO项目，包括算法选型、难点解决和最终效果
• 如何解决视觉-IMU融合中的时间同步问题？
• 在红外图像中，如何处理反光和运动模糊对特征提取的影响？
• 如何评估一个IR-SLAM系统的精度和鲁棒性？
• 在嵌入式平台上，如何优化算法以降低延迟和功耗？