SLAM算法工程师

优缺点分析

角色解读

• 深耕SLAM/定位技术，成为多传感器融合领域的专家，主导核心算法研发
• 横向拓展至自动驾驶、机器人、AR/VR等领域的定位与感知系统架构设计
• 向技术管理方向发展，带领团队攻克量产难题，推动技术商业化落地
• 设计并实现多传感器融合定位算法（视觉+IMU+GNSS），提升定位精度和鲁棒性
• 开发多传感器标定算法（内外参、在线标定），确保传感器数据一致性
• 研究基于先验地图的视觉定位技术，包括点云/特征/语义地图匹配
• 将算法工程化落地，进行代码框架设计、性能优化、实车集成与问题排查
• 精通C++编程及ROS、PCL、Eigen、Ceres等SLAM开源库，具备扎实的工程能力
• 深入理解VIO或先验地图定位方向的核心算法（如VINS、MSCKF、NDT等）
• 熟悉传感器特性与噪声建模，有量产项目经验，能解决实际问题
• 具备较强的论文阅读和算法转化能力，跟踪IROS/ICRA等顶会前沿

申请策略

• 提前了解京东在物流机器人、无人配送等领域的业务布局，在面试中展现对应用场景的理解
• 准备一个完整的项目复盘，从算法设计到工程落地的全流程讲解
• 重点突出SLAM量产项目的具体贡献，如定位精度提升、标定流程优化、性能调优等数据
• 详细列出参与的VIO或先验地图定位项目，说明算法选型、框架设计和落地效果
• 突出C++编程能力、开源库使用经验，以及论文发表/专利等学术成果
• 若缺乏量产经验，可参与开源SLAM项目（如VINS-Fusion）进行二次开发或实际部署
• 补充GNSS融合相关知识，学习RTK、PPP等定位技术

面试指南

• 针对项目类问题：STAR法则（情境→任务→行动→结果），重点突出你的贡献和技术细节
• 针对算法对比类问题：从精度、鲁棒性、计算资源、适用场景等维度系统分析，给出选择依据
• 请详细讲解你参与的一个SLAM量产项目，包括算法选型、遇到的难点和最终方案
• 如何设计视觉-IMU融合的初始化流程？如何处理传感器时间同步问题？
• 在NDT配准中，如何选择体素大小？若地图与当前帧偏差较大怎么办？
• 请比较VINS-Mono和ORB-SLAM3的优缺点，在什么场景下选择哪个？
• 如何评估标定结果的精度？在线标定和无目标标定的原理是什么？
• 复习SLAM基础：卡尔曼滤波、图优化、BA、IMU预积分等核心知识