地平线感知融合算法/后处理工程师/专家
任职要求
1、拥有硕士及以上学历，计算机/电子/自动化等相关专业学位；有ACM经验者优先，有顶级学术会议或期刊（如IEEE Transactions on Robotics、IROS、ICRA）的发表记录者优先; 2、熟悉常见的数据融合技术，如卡尔曼滤波、粒子滤波等，并对多传感器融合有深入研究； 3、有强烈的团队合作精神，出色的沟通能力和问题解决能力。 4、具备出色的算法设计和分析能力，对最新的科研动态保持敏感，并能够将研究成果快速转化为实际应用。 5、最好掌握CNN/Transformer理论知识，熟练使用pytorch搭建/训练/部署图网络； 6、具有扎实的C/C++/Python编程能力，熟悉常见的优化库，如g2o,ceres等；能够独立、高质量完成算法的工程化实现。 7、了解ROS/ROS2系统以及Linux编程，能够高效高质地将算法部署在嵌入式Linux平台。 8、自动驾驶或机器人相关领域工作经验2年以上
工作职责
1、负责自动驾驶场景下的多传感器数据融合技术研发，例如radar、摄像头、liadr等传感器的数据融合； 2、或者从事感知后处理工作如2D障碍物投射3D，测距、测速、cipv、aeb障碍物等工作； 3、可以从事针对车端算法或者云端大模型真值系统的传感器融合； 4、使用learning-based或者rule base方式(2D投射3D 滤波测距测速tracking)； 5、研究和开发先进的多传感器融合算法，提高自动驾驶系统的感知能力和鲁棒性； 6、负责感知融合算法的验证、评估和优化，确保在各种环境和条件下的高性能；
1. 支持公司智驾内部多平台、多传感器配置（radar/4d_image_radar + lidar + camera)、多硬件平台（P1/Orin）感知后处理+融合算法开发优化交付； 2. 支持纯视觉感知后处理od_post 迭代优化交付； 3. 支持lidar_vision_radar 三元传感器大融合版本后处理算法开发交付； 4. 支持radar/4d image radar融合算法开发交付； 5. 支持行车/泊车/主动安全feature上od后处理问题开发优化；
地图的scale up 会是未来1-2年的重点内容，其中关键因素为自动化算法需要承接当前人工制图中大部分功能(例如painted line和不可跨越障碍物等要素) 1.开发静态元素BEV/Occupancy算法，包括模型结构、多帧融合算法、多数据源融合算法以及相关后处理算法 2.建立云端数据自动标注 Pipeline、数据挖掘机制以及难样本分析等工具链持续迭代模型能力。
1、负责智能驾驶系统中相机感知模块输出的各类元素（动态目标、静态目标、占用栅格（OCC）、车道线、停止线、斑马线等）解码、后处理与优化； 2、设计并实现目标跟踪算法（如多目标跟踪MOT），车道线跟踪、稳定与过滤，占用图增强和跟踪，提升感知效果和系统鲁棒性； 3、针对感知模块的不同输出（目标框、分割图、特征点等）进行数据融合、噪声抑制、时空滤波等优化处理，提升感知稳定性和准确率； 4、进行性能分析和算力优化，保证在NVIDIA/地平线/MDC等嵌入式平台上实现高帧率、低延迟的运行效果； 5、参与感知后处理系统的整体架构设计、模块划分及接口定义，支持仿真验证、实车测试及快速问题定位； 6、针对测试反馈持续优化后处理效果，提升各类感知元素的稳定性、准确率和系统鲁棒性；
1. 下游技术对接与接口管理 (核心)： - 作为感知团队的主要技术接口人，牵头与下游模块（规划、控制、定位、系统集成、测试验证等）团队的技术沟通、需求对齐和问题协调。 - 负责定义、维护和优化感知模块与下游模块之间的数据接口规范、通信协议和性能指标要求。 - 主导跨模块的联合调试、集成测试和问题复现，确保感知输出满足下游功能的需求。 2. 跨模块问题定位与解决 (核心)： - 牵头分析和定位由感知输出异常或性能不足引发的下游功能问题（如规划决策失误、控制不稳定、定位跳变等）。 - 运用系统级思维，结合日志分析、数据回灌、实车测试等手段，快速准确地溯源问题至感知模块的具体环节（传感器、算法、标定、融合等）。 - 组织并主导跨团队（感知、下游模块、测试）的问题攻关会议，制定解决方案和行动计划，并跟踪闭环。 3. 需求转化与系统设计支持： - 深入理解下游模块对感知能力的需求（精度、时延、鲁棒性、覆盖范围等），并将其转化和分解为具体的、可执行的感知系统或子模块的需求。 - 参与感知系统架构设计和模块划分，确保设计能够有效支持下游需求，并考虑接口的清晰性和可维护性。 - 评估感知技术方案变更对下游功能和整体系统性能的潜在影响。 4. 性能评估与协同优化： - 主导或深度参与感知输出对下游功能影响的量化评估（如感知精度对规划舒适度、控制精度的贡献度分析）。 - 基于系统级性能指标（如接管率、舒适度、安全性）和下游反馈，推动感知算法、后处理或接口的协同优化，提升端到端的自动驾驶表现。 - 定义和监控跨模块的关键性能指标。