商汤IAG-感知后处理工程师

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、负责静动态障碍物、路面元素（车道线、横向标线、路面标志和车位等）模型，包括但不限于2D/3D几何检测、后处理和可见性等； 2、负责OCC、点云分割、TL、TS和光斑等感知前沿算法研究； 3、负责生成式相关工作等前沿算法研究，例如diffusion相关内容研究； 4、负责云端感知数据闭环和真值生产等工作内容；

1.负责智能驾驶感知系统的性能分析与优化，覆盖图像前处理、模型推理、后处理及局部 pipeline； 2.承担感知模型从 PyTorch / ONNX 到端侧推理引擎（TensorRT/Horizon/MDC） 的工程化落地与性能调优； 3.分析模型结构与计算特性，针对性能瓶颈进行 模型工程级优化，包括算子替换、拆分、融合与精度策略设计； 4.负责 TensorRT/HORIZON/MDC等平台Engine 构建、Dynamic Shape/Profile 配置及多模型并行部署优化； 5.针对关键算子或性能瓶颈，设计并实现 TensorRT Plugin 或 CUDA Kernel； 6.在多相机、多传感器和多模型并行场景下，优化模块级 latency、显存占用与稳定性； 7.使用 Nsight 等工具进行性能 Profiling，定位并解决推理耗时、显存抖动等问题； 8.支持量产项目性能问题排查，与算法、系统团队协作推动模型稳定上线；

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。