地平线静态后处理算法专家leader
任职要求
1.计算机科学、电子信息、人工智能、数学等相关专业本科及以上学历
2.熟悉车道线/车位线拟合（多项式、样条拟合）、跟踪滤波（卡尔曼滤波、多目标跟踪）
3.掌握拓扑构建与推理技术（如图结构优化、逻辑关系提取…工作职责
1.静态环境重建与后处理算法开发 *设计并开发高性能的车道线、道路拓扑、矢量化地图的构建与优化算法，包括但不限于：车道线拟合与优化、车道线跟踪与状态估计、道路拓扑结构提取、矢量化地图构建等 *泊车静态环境重建与后处理算法开发，包括但不限于车位、地锁、锥桶等要素的跟踪、重建和拓扑 * 优化基于视觉BEV的局部地图重建技术，提升泊车场景下的定位精度与实时性； 2.多传感器融合与拓扑构建 *研发视觉与多传感器（LiDAR/Radar）融合的后处理算法，支持静态环境建模； *从感知结果中提取车道线、车位线等元素的拓扑关系，构建图结构并实现逻辑推理，支持自动驾驶决策规划；
1.负责城区、高速辅助驾驶系统环境模型构建相关算法开发及工程化落地； 2.构建两段式方案自动驾驶环境认知能力以及环境模型的研发； 3.根据感知静态要素、高精地图，构建道路模型，结合导航、感知动态障碍物等，为决策规划提供准确、安全的行驶环境；包括逻辑要素构建、道路拓扑、车道参考线、静态要素关联等 4.根据交通流、freespace、目标车辆等可用信息构建安全车道和行驶参考线，解决非结构化道路、非对称路口、施工区等场景的通行问题 5.参与工程化项目开发，分析泛化问题，并设计优化和解决方案
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。
职位描述 我们正在寻找一位专注于端到端静态感知算法工程师，负责智能辅助驾驶环境认知和导航参考线功能。该职位将直接参与智能辅助驾驶核心算法的开发与优化，推动智能辅助驾驶技术的落地应用。 主要职责 1. 动态目标预测后处理 - 负责对动态目标（如车辆、行人、自行车等）的轨迹预测结果进行后处理优化，确保轨迹的平滑性、物理可行性和动态一致性。 - 设计并实现基于运动学和动力学约束的轨迹优化算法，包括但不限于Jerk优化、加速度连续性约束、曲率约束、碰撞避免等，以提升轨迹的合理性。 - 结合预测模型输出的目标状态（如位置、速度、加速度）、轨迹分布和意图（如变道、转弯、停车），以及静态环境信息（如车道线、交通标志、路缘石），进行后处理优化。 2. 算法开发与实现 - 开发和实现高效的轨迹后处理算法，确保其满足实时性要求。 - 使用C++/Python等编程语言实现算法，并集成到自动驾驶系统中。 3. 跨团队协作 - 与感知、预测、规划团队紧密合作，确保轨迹后处理模块与其他模块的无缝集成。 - 支持实车测试，解决实际应用中的问题。
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；