高德地图高德-车道级定位算法专家-视觉技术中心
任职要求
1、计算机、电子信息、数学等相关专业，硕士及以上学历； 2、掌握视觉感知，GNSS、IMU、轮速计等常见传感器原理，具备多源信号融合理论基础与实践经验，熟悉常用滤波方法（如EKF/UKF）、图优化（因子图、SLAM/定位相关）； 3、具备视觉相关算法开发经验，熟悉单目/多目视觉里程计、BEV感知、车道线检…
工作职责
1、参与⻋道级导航业务，打造下⼀代导航产品。作为核⼼算法模块负责⼈，负责⻋道级视觉定位能⼒的建设。根据业务需求和问题，设计技术架构和问题解决⽅案，与上下游配合，完成技术在实际业务落地，保障产品交付效果； 2、负责视觉主导的车道级高精度定位算法设计与开发，并将GNSS、IMU、车轮速度计等多传感器数据与视觉感知信号进行有效融合，结合地图实现高精定位，提升车辆在复杂环境下的定位鲁棒性与精度。跟踪行业前沿研究动态，推动新算法落地及产品化，完成测试、验证与优化。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 团队主要聚焦多模态大模型及端到端模型在车端导航及定位应用，我们期待你的工作将覆盖以下至少一个技术方向即可： 1. 在端到端自动驾驶、BEV环境感知、多模态融合、强化学习等领域具备丰富且有独创性的研究经历； 2. 探索多模态大模型在下游任务中的技术能力，包括但不限于图文对齐/识别、跨模态理解生成、多模态检索、VLM端到端自动驾驶、世界模型等； 3. 了解大模型模型的训练/微调/推理加速方法，包括但不限于模型结构调优、训练效率提升、高效低成本微调、Muti-token推理，模型部署加速等； 4. 参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 5. 负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和复杂场景泛化能力； 6. 设计和实现端到端自动驾驶模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。
高德地图定位研发团队介绍： “我在哪儿，要到哪儿去”是高德给全国亿级用户解决的核心问题， 我们系统解决“我在哪儿”的问题， 我们使用遍布全球的北斗卫星数据，高密度的手机传感器数据，视觉数据， 我们建设世界级的高精准定位系统， 驾车定位、车道级定位、室内定位、停车场定位、车机定位等 是我们核心解决的业务场景。 我们攻克着大量的世界级前沿技术难题： 基于时间序列预测的统一融合定位算法、 基于Transformer的统一融合匹配算法、 基于BEV、slam等的视觉定位算法 ...... 为了给广大用户的出行提供全方位、高质量的服务，我们正在不停地打破自己、超越自己...... 在这里，无数行业前沿的新技术在碰撞交流和应用， 这就是高德地图定位研发部 期待勇于突破，勇于挑战的你！ 岗位职责： 1、多模态大模型研发与应用：将定位问题转化为大模型问题，用大模型的思路对时空数据进行建模、训练（包括但不限于预训练、SFT、强化学习等）等，实现轨迹预测和轨迹匹配； 2. 模型优化与小型化部署：负责多模态大模型的轻量化设计、压缩与加速，确保模型在端侧设备上的高效运行； 3、创新探索：跟进位置和地图领域的大模型前沿进展，应用在日常工作中。
1.参与高精地图CV感知算法设计和研发，包括但不限于2D、3D目标检测、分割等方向； 2.参与高精地图CV感知算法设计和研发，包括多模态大模型感知技术以及AIGC研究技术的研发； 3.参与CV感知算法在高精以及车道级地图产品中的落地与优化。
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