IR定位算法工程师

优缺点分析

角色解读

• 从算法工程师向资深算法专家发展，深入掌握空间定位和SLAM技术
• 有机会转向技术管理岗位，带领团队负责核心算法模块的研发
• 在VR/AR/MR行业快速发展的背景下，可拓展至机器人、自动驾驶等领域的定位技术
• 研发基于Inside-out方式的6DOF红外空间定位系统，负责核心算法模块的设计与实现
• 在head-set上部署和调优定位算法，确保系统在多种场景下的稳定性和泛化性
• 与研发和工程团队紧密协作，推动类VR硬件产品的落地和迭代
• 扎实的C++编程能力，熟练使用OpenCV、Ceres、OpenGV、Eigen等库
• 深厚的概率论、矩阵论和计算机视觉基础，熟悉相机模型和状态估计算法
• 熟悉SLAM、PNP、ESKF、图优化等定位跟踪算法，并有实际项目经验

申请策略

• 了解智元机器人的产品和技术方向，在面试中展示对公司的兴趣和匹配度
• 准备一个完整的SLAM或定位算法项目案例，展示从问题定义到解决方案的完整思路
• 突出在SLAM或相关算法项目中的实际经验，特别是参与过落地项目的经历
• 详细描述使用C++和OpenCV、Ceres等库解决具体问题的案例
• 强调对相机模型、状态估计、图优化等算法的深入理解
• 复习概率论、矩阵论和计算机视觉的核心概念，确保基础扎实
• 熟悉VR定位跟踪算法的最新进展，了解行业前沿技术
• 练习C++编程，特别是STL容器和常用算法库的使用

面试指南

• 对于项目经验问题，采用STAR法则（情境、任务、行动、结果）清晰描述，突出个人贡献和量化成果
• 对于算法原理问题，先阐述核心概念，再结合具体应用场景说明其优缺点和选择依据
• 对于优化问题，从算法复杂度、内存占用、并行化等角度分析，并给出具体优化策略
• 请详细介绍一下你参与过的SLAM或定位算法项目，包括技术难点和解决方案
• 如何选择相机模型？请比较Pinhole、KB8、MEI等模型的优缺点
• 解释ESKF和图优化在状态估计中的应用，并说明它们的区别
• 如何优化C++代码以提升算法在嵌入式设备上的运行效率？
• 在构建多场景泛化性强的定位系统时，你如何考虑算法的鲁棒性？