算法开发岗

优缺点分析

角色解读

• 在自动驾驶感知领域深耕，成为相机标定、视觉SLAM或感知融合方向的技术专家
• 从算法开发向算法架构设计演进，负责更复杂的感知系统模块
• 凭借技术深度和项目经验，成长为算法团队的技术负责人或项目经理
• 研发和优化自动驾驶相机的动态标定与在线自标定算法，确保传感器数据在车辆行驶振动、温度变化等工况下的准确性
• 将SLAM（即时定位与地图构建）及多视图几何等前沿技术应用于相机标定问题，并探索神经网络等AI方法进行创新
• 搭建和维护相机标定的工具链软件，并处理量产车辆反馈的标定相关问题，形成开发、测试、解决的闭环
• 扎实的计算机视觉理论基础，特别是相机成像模型、多视图几何和标定原理
• 精通视觉SLAM算法（如ORB-SLAM等）及其在实际场景中的应用与调优能力
• 熟练的C++和Python编程能力，以及在Linux环境下开发、调试复杂算法系统的经验
• 熟练使用OpenCV、PCL、Eigen等计算机视觉和线性代数库

申请策略

• 研究吉利汽车在智能驾驶领域的公开技术资料、专利和新闻，了解其技术路线和量产车型的感知方案
• 准备一个自己解决过的最棘手的算法或工程问题，能清晰地阐述问题背景、分析过程、解决方案和最终效果
• 重点突出与相机标定、SLAM、视觉算法相关的项目经验，最好包含解决实际问题的案例（如精度提升、鲁棒性优化）
• 强调C++和Python在算法实现中的熟练应用，以及使用OpenCV、PCL等库的开发经验
• 展示在复杂系统（如机器人、自动驾驶原型）中独立开发和调试算法的能力，以及处理数据、进行定量分析的成果
• 深入学习多视图几何与SLAM的经典论文和算法（如BA优化、位姿估计），并可以尝试复现开源算法进行实践
• 了解深度学习（特别是CNN）在相机标定、内参估计等任务中的最新应用尝试，可以关注相关顶会论文

面试指南

• 回答原理类问题时，先阐述核心概念（如针孔模型、畸变模型、优化目标），再结合自动驾驶场景说明其特殊性和难点
• 回答项目经验时，使用STAR法则（情境、任务、行动、结果）结构化描述，突出自己的贡献和解决问题的思路
• 回答系统设计或问题分析类问题时，展现你的系统性思维和排查问题的逻辑，例如从数据、算法、系统各环节逐步分析
• 请解释一下相机标定的基本原理，以及什么是动态标定/在线自标定，它与离线标定有何区别？
• 你了解哪些视觉SLAM系统？请简述其优缺点
• 如果让你设计一个面向自动驾驶的标定系统，你会如何选择或改进技术路线？
• 描述一个你参与过的、涉及相机标定或视觉SLAM的项目
• 你在其中具体负责什么？遇到了什么挑战？如何解决的？