地平线自动驾驶泊车重建算法工程师/专家

高精地图和定位团队介绍 如果将无人车和人脑类比，高精地图和定位系统大致对应于后者中掌管空间记忆、感知和定位的部分。它的使命是为无人车提供翔实准确的道路3D几何和语义信息，让无人车对行驶环境了如指掌，从而在其中行动自如，我们同时还负责提供高速、精准的3D定位，让车辆每时每刻都知晓当前的精确位置。高精地图和定位在无人车技术栈中占据着非常重要的位置，感知、规划、控制、仿真等各大模块都要依赖它提供的道路环境以及车辆位置的信息对周围世界进行理解，做出正确的决策。文远知行的高精地图和定位团队和公司一起成长，完全自主构建了大规模高精地图，覆盖中美多个城市超过3000公里道路，提供精确达厘米级的3D结构数据以及车道线、交通信号等大量语义信息。自行研发的定位技术，基于激光雷达、相机、卫星及惯性导航等多传感器融合，能提供实时的厘米级定位，成功实现了在暴雨中自动驾驶穿越1.5公里长隧道。 在人工智能的应用中，高精地图和定位是比较独特的。我们知道，计算机视觉作为人工智能的重要分支，其核心问题分为语义理解和几何理解两大类，前者以解析图像中物体或场景的语义信息为目的，后者的目标则是重构3D场景以及对物体进行3D定位。在高精地图和定位系统中，恰恰这两大类技术都有着非常关键的应用。除此之外，我们还是高精度卫星、惯性导航等硬件的重度用户，多模态信号处理和融合更是我们的核心技术之一。因此，这是一个多学科高度综合的应用，无论你精通深度学习等机器学习技术，还是专攻3D重建、SLAM，又或是信号处理、多传感器融合高手，这里都有你一展身手的广阔空间。同时，我们致力搭建大规模、高可用的高精度地图系统，大数据和全栈开发的编程精英同样能找到用武之地。 1. 基于深度学习打造不依赖高精度地图的定位和实时地图系统，包括模型设计、训练、部署，车上系统反馈和形成数据闭环 2. 设计和构建深度神经网络模型，用于对传感器数据进行特征提取、数据融合和位置估计 3. 处理和分析大规模的自动驾驶系统相关的Camera、Lidar、GPS和IMU等各种传感器数据，利用深度学习技术进行特征提取、数据建模和预测分析 4. 进行深度学习模型的调优和调参，以提高模型的性能、效率和鲁棒性

我们希望你是 2024年11月-2026年10月 期间毕业的 博士/硕士研究生 同时也是： 学术先锋：在国内外顶刊/顶会上发表过重要学术论文（包括但不限于NeurIPS、ICML、CVPR、ICCV、ECCV 等顶会或 IEEE Transactions 系列核心期刊） 竞赛达人：在国内外顶尖赛事中取得优秀成绩（包括但不限于RoboMaster、Topcoder、Codeforces、ACM-ICPC、RoboCup、Kaggle、Nips、Kdd） 实战高手：有自动驾驶、机器人、大模型基座，复杂Agent相关科研项目或实习经历（包括但不限于感知算法优化、决策模型开发,复杂多Agent的搭建等） 同频共振：理性务实、敢想敢干、渴望成功、乐观激进、聪明自省 工作内容 1.面向L4业务的行泊车场景，开发高精度、高可靠性的定位与建图算法，包括但不限于在高精场景，轻图场景，端到端场景下解决相关cornercase问题；针对车载计算平台特性，优化算法性能与资源占用，提升系统实时性与鲁棒性。 2.参与多传感器（GNSS/LiDAR/IMU/轮速/视觉等）融合定位和建图算法设计和迭代优化。 3.参与在线语义地图构建、数据挖掘、云端模型、4dlabel等算法研发。 4.参与基于GNSS， IMU等传感器多场景下的实时车道级绑路、偏航算法，基于深度学习的地图匹配，航位推算等算法研发。 5.负责激光、视觉以及语义信息的三维重建、SLAM算法研发。支撑众包地图产线研发和量产落地，提升众包建图有效率。

自动驾驶泊车感知算法高级/资深工程师 1、负责车端智能辅助驾驶的视觉感知算法研发，包含BEV视觉方向和单目视方向； 2、负责自动驾驶端到端模型的研发，偏向场景理解方向。

1、根据自动泊车的产品定义以及系统架构，牵头项目测试工作，包括测试计划制定、测试方案设计、资源协调、测试管控、报告编写等； 2、自动泊车/泊车辅助功能及性能评估，主要包括建立/设计泊车产品的功能及性能的评估指标，评估系统功能/性能边界、指标达成情况； 3、测试场景库建设，编写和维护自动泊车相关测试规范和测试用例； 4、测试标准化建立，能从测试体系角度，根据业务需求建立标准化的测试流程以及测试基准，以测试效率提升以及快速迭代为目标，优化测试流程，完善测试方法，构建测试闭环； 5、测试数据分析、市场问题复现、测试问题管理，协助开发团队进行产品优化。