【研发中心】2027届感知算法工程师(J24402)

杭州 · 校招 · 2027 届 · 硕士

长期有效

前往官方投递页 →

任职要求

1、硕士及以上学历，计算机视觉、机器人、自动化、测绘等相关专业
2、精通SLAM基础理论（特征提取、后端优化、回环检测）及主流框架（ORB-SLAM系列、VINS-Fusion、LSD-SLAM等）
熟悉多传感器融合（视觉+IMU/LiDAR/里程计）及标定方法（Kalman滤波、因子图优化）
3、掌握C++/Python，熟悉OpenCV、PCL、Eigen、g2o/Ceres等库，熟悉ROS/ROS2开发
4、具备嵌入式平台部署经验（如CUDA加速、TensorRT优化），了解实时系统资源约束。
加分项：
1、熟悉深度学习在SLAM中的应用（如特征匹配网络、动态物体剔除）
2、有无人机/机器人实际项目经验，熟悉PX4/ArduPilot飞控系统
3、熟悉三维重建技术（TSDF、Mesh生成）、点云处理（配准、去噪）
4、发表过CVPR/ICRA/IROS等顶会论文或相关专利。
软技能：扎实的数学基础（几何/优化/概率），良好的工程化思维与团队协作能力。

岗位描述

1、研发基于视觉（单目/双目/RGB-D）的SLAM算法，实现无人机在无GPS环境下的高精度定位与稠密/稀疏地图构建；
2、优化视觉惯性里程计（VIO），融合IMU、LiDAR等多传感器数据，提升复杂场景（弱纹理、动态物体、光照变化）下的鲁棒性；
3、开发实时三维重建与语义分割模块，支持无人机自主导航与场景理解（如障碍物分类、地形识别）；
4、搭建无人机SLAM仿真测试环境（如AirSim、Gazebo），部署算法到嵌入式平台（如NVIDIA Jetson、无人机飞控系统）；
5、研究前沿技术（如神经辐射场NeRF、事件相机SLAM、语义SLAM），推动技术在实际场景（如室内巡检、灾害救援）的落地；
6、撰写技术文档，与路径规划、控制团队协作完成无人机全栈系统集成。
1、硕士及以上学历，计算机视觉、机器人、自动化、测绘等相关专业；
2、精通SLAM基础理论（特征提取、后端优化、回环检测）及主流框架（ORB-SLAM系列、VINS-Fusion、LSD-SLAM等）；

熟悉多传感器融合（视觉+IMU/LiDAR/里程计）及标定方法（Kalman滤波、因子图优化）；

3、掌握C++/Python，熟悉OpenCV、PCL、Eigen、g2o/Ceres等库，熟悉ROS/ROS2开发；
4、具备嵌入式平台部署经验（如CUDA加速、TensorRT优化），了解实时系统资源约束。

加分项：

1、熟悉深度学习在SLAM中的应用（如特征匹配网络、动态物体剔除）；
2、有无人机/机器人实际项目经验，熟悉PX4/ArduPilot飞控系统；
3、熟悉三维重建技术（TSDF、Mesh生成）、点云处理（配准、去噪）；
4、发表过CVPR/ICRA/IROS等顶会论文或相关专利。

软技能：扎实的数学基础（几何/优化/概率），良好的工程化思维与团队协作能力。

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →