智能驾驶标定算法工程师

优缺点分析

角色解读

• 可向自动驾驶感知算法专家或技术专家方向发展，深入SLAM与标定领域
• 有机会转向自动驾驶系统架构或技术管理岗位，负责更大范围的算法团队
• 在吉利等大型车企，可参与多车型量产项目，积累丰富的工程化经验
• 负责自动驾驶相机动态标定与在线自标定算法的研发与迭代，确保相机参数在车辆运行中保持准确
• 针对行车振动、温度漂移等实际场景，优化标定算法的精度与鲁棒性，解决量产中的核心痛点
• 研究SLAM与深度学习技术，探索AI在相机标定中的创新应用，提升标定方案的智能化水平
• 搭建相机标定工具链，负责测试调优与量产问题的闭环处理
• 扎实的计算机视觉与相机标定理论基础，熟悉多视图几何、点云处理等算法
• 熟练使用C++/Python，具备Linux开发环境下的开发能力，熟悉OpenCV、PCL、Eigen等库
• 熟悉视觉SLAM开源算法，具备较强的数据分析和概率论基础
• 具备独立算法开发与问题排查能力，有量产项目经验者优先

申请策略

• 关注吉利智能驾驶业务的发展方向，了解其量产车型的技术特点
• 在面试中展现对量产工程化挑战的理解，如标定精度与鲁棒性的权衡
• 突出相机标定、SLAM或相关视觉算法的项目经验，尤其是量产落地案例
• 强调C++/Python编程能力，以及OpenCV、PCL、Eigen等库的实际使用
• 展示在复杂场景下优化算法精度与鲁棒性的具体成果
• 如有相关论文或开源项目，可一并列出以增强竞争力
• 深入复习多视图几何、相机模型与标定理论，巩固数学基础
• 熟悉主流视觉SLAM框架（如ORB-SLAM、VINS）的原理与代码实现

面试指南

• 对于原理性问题，先阐述基础理论，再结合项目经验说明实际应用与优化
• 对于项目经验问题，采用STAR法则，突出挑战、行动与结果
• 对于开放性问题，展示逻辑思维与工程化视角，强调可落地性
• 请详细解释相机动态标定的原理，以及如何应对行车振动和温度漂移？
• 介绍一个你参与过的SLAM或标定项目，如何解决其中的关键问题？
• 如何评估标定算法的精度与鲁棒性？有哪些量化指标？
• 在量产项目中，如何平衡算法性能与计算资源限制？
• 谈谈你对深度学习在相机标定中应用的理解