哈啰出行
感知算法工程师/专家（静态要素感知方向）-【自动驾驶】
感知算法工程师/专家（静态要素感知方向）-【自动驾驶】
发布于 大约 16 小时前普通员工/个人贡献者
上海市 / 北京市
高级经验
全职员工
仅现场办公
学历未注明
PyTorch
TensorFlow
模型部署
自动驾驶
目标检测
多任务学习
车道线检测
多传感器融合
语义分割
立体视觉
AI 估算 · 35k–60k
自动驾驶感知算法人才稀缺，该岗位要求高，且公司为大型互联网平台，薪资水平竞争力较强。
职位详情
关于这个职位
该职位主要负责自动驾驶车辆的地面静态要素感知算法研发，包括车道线、路沿等要素的检测与跟踪
你将探索2D/3D检测和多传感器融合算法，并负责核心算法的设计、优化与工程落地，同时参与数据闭环以持续提升模型性能
适合对自动驾驶感知技术有浓厚兴趣、具备扎实深度学习基础的工程师
最低要求
熟悉车道线/路沿/停止线等静态要素检测相关算法原理及设计，对问题归因分析并闭环解决
熟悉主流深度学习算法，包括但不限于目标检测、分割、跟踪、多任务学习、立体视觉等领域
掌握一种以上的深度学习训练框架，如Pytorch, MXNet, Tensorflow等
有扎实的数理基础，优秀的编程能力，快速学习能力
工作职责
负责无人车地面静态要素感知算法研发，包含车道线、路沿等要素检测工作，对感知问题深入分析并解决
探索2D/3D检测，以及时序和多传感器融合算法
负责核心算法或模型的原创设计以及工程化落地，如模型优化、模型部署等
掌握通过数据闭环持续迭代模型的能力
优先资格
有计算机视觉、模式识别领域顶会（CVPR/ICCV/ECCV/ICML/NeurIPS）或顶刊（TPAMI/IJCV/TIP）作品者优先
顶级学术比赛获奖者或实际工程项目经验者优先
有SDMap前融合/时序融合/lidar融合相关项目经验者优先
AI 洞察
优缺点分析
- 自动驾驶是高速发展的赛道，该岗位能接触前沿算法和技术
- 哈啰出行平台大，数据资源丰富，有助于算法快速迭代
- 工作内容涵盖算法研发到工程落地，能全面提升技术能力
- 技术难度高，需要不断跟进最新论文和技术趋势
- 自动驾驶场景复杂，问题归因和解决需要大量精力
- 行业竞争激烈，可能面临较大的项目交付压力
- 适合对自动驾驶感知有强烈兴趣、深度学习基础扎实且乐于攻克技术难题的工程师
角色解读
- 在感知算法方向深耕，成为静态要素感知领域的专家
- 横向拓展到自动驾驶系统其他模块，如预测、规划或全栈系统架构
- 向技术管理方向发展，带领团队解决更复杂的感知难题
- 负责地面静态要素感知算法的研发，包括车道线、路沿等检测和跟踪
- 探索和改进2D/3D检测、时序融合和多传感器融合算法，提升感知精度
- 将核心算法落地到实际自动驾驶系统中，进行模型优化和部署
- 通过数据闭环持续迭代模型性能，解决实际问题
- 精通静态要素检测算法（车道线、路沿等），能独立分析和解决问题
- 熟练掌握主流深度学习算法，包括目标检测、分割、跟踪等
- 至少熟练使用一种深度学习框架（PyTorch、TensorFlow等）
- 具备扎实的数理基础和编程能力，能够快速学习新技术
申请策略
- 提前了解哈啰自动驾驶的业务方向和技术栈，在面试中体现对公司的认同
- 准备一个完整的项目案例，从问题定义到解决方案再到落地效果，展示闭环能力
- 突出车道线/路沿检测相关的项目经验，包括算法设计、调优和实际效果
- 如果有顶会论文或竞赛获奖，应放在显著位置
- 强调多传感器融合或时序模型的实际应用案例
- 展示模型部署和优化方面的经验，如量化、蒸馏、TensorRT等
- 阅读并复现近年顶会中关于静态要素感知的最新论文
- 练习使用PyTorch进行模型训练和优化，熟悉模型部署工具
面试指南
- 结构化表达：先说明背景和目标，再详细描述技术方案，最后强调结果和思考
- 结合实例：用具体项目支撑回答，量化指标展示效果
- 体现深度：分析问题本质，比较不同方法的优劣，展现算法理解
- 请介绍你参与过的一个车道线检测项目，包括数据、模型、难点和解决方案
- D检测和3D检测在自动驾驶中的应用有何不同？请对比常用方法
- 如何设计一个多传感器融合的感知系统？请举例
- 模型部署时你会考虑哪些优化手段？有无实际经验？
- 如何处理数据闭环中的长尾问题？请结合你的经验说明
匹配度报告
61
综合匹配度
自动驾驶感知前沿岗位，技术栈新、成长快，但薪资福利和WLB信息不明，适合技术驱动型人才。
适合人群
适合以技术成长和职业发展为核心动机，愿意接受高强度工作以换取前沿技术积累的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利45
成长发展90
工作生活40
使命价值70
薪资福利匹配
45较低
JD中未提及薪资和具体福利，仅凭公司规模和岗位级别推测薪资合理，但缺乏确定性，补偿性动机满足度较低。
薪资信号未披露 (35K-60K/月)
成长发展匹配
90较高
该岗位涉及前沿的自动驾驶感知算法，技术栈新颖，能深度参与核心算法研发与落地，成长空间大。
技术前沿前沿/新兴技术
技术栈车道线检测、目标检测、多传感器融合、模型部署、深度学习
业务类型profit_center
工作生活匹配
40较低
JD未明确工作模式、WLB或通勤便利性，且自动驾驶行业通常工作强度较大，生活化动机满足度较低。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
自动驾驶行业处于高速增长期，但JD未提及社会使命感，意义感主要体现在技术推动上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs