商汤IAG-智能驾驶-感知动态模型算法专家
任职要求
1、硕士及以上学历，计算机科学、自动化、电子信息工程、数学等相关专业。具有扎实的专业基础知识，包括但不限于计算机视觉、机器学习、深度学习、图像处理、传感器技术等； 2、具有 3 - 5 年以上智能驾驶感知算法开发经验，熟悉智能驾驶系统的整体架构和工作流程，有实际的量产项目经验者优先； 3、在动态模型算法领域有深入的研究和实践经验，熟悉车辆、行人、自行车等动态目标的检测、跟踪与识别任务的算法设计和优化流程； 4、精通深度学习框架，如 TensorFlow、PyTorch 等，能够熟练运用这些框架进行动态模型算法的设计、训练和优化； 5、熟悉计算机视觉领域的主流算法和模型，如 CNN、R-CNN、YOLO 等，具备较强的算法设计、实现…
工作职责
1、负责智能驾驶感知系统中动态模型算法的研发与优化工作，包括但不限于车辆、行人、自行车等动态目标的检测、跟踪与识别任务，提升算法的准确性、鲁棒性和实时性，为车辆的决策规划提供可靠的动态环境信息； 2、深入研究和应用深度学习、计算机视觉等技术，设计高效的动态模型算法，优化模型结构和参数，提高算法在不同场景下的适应性和性能表现； 3、基于大量的实际道路数据和模拟场景，对动态模型算法进行训练和优化，确保算法在各种复杂环境下的稳定性和可靠性； 4、与感知团队的其他成员（如静态模型算法专家、感知融合专家等）紧密合作，共同解决感知系统中的技术难题，提升整个感知系统的性能和可靠性； 5、与算法团队、软件团队、硬件团队等其他相关部门进行有效的沟通和协作，确保动态模型算法的开发和优化工作与整个智能驾驶项目的进度和目标保持一致。
1、负责无图或轻图架构下基于多模态融合感知算法设计与部署、如地图元素检测、静态行驶规划等； 2、负责地图感知模块与多模态感知架构的融合、在统一的感知架构下实现地图重建、BEV动态障碍物检测、动态障碍物的速度预测与跟踪、Occupancy Network等； 3、负责轻图技术栈与端到端、VLA等下一代自动驾驶技术的融合。
1. 负责自动驾驶泊车场景中，基于视觉、超声、IMU、轮速等多种传感器的感知融合算法研发工作； 2. 负责基于多传感器的Freespace区域融合、边界生成以及动态障碍物处理工作； 3. 负责车位融合工作，包括车位的跟踪、优化、属性判定等工作； 4. 负责融合算法在产品线的部署优化与精度对齐工作，与共同完成量产项目的交付。
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；
工作职责【负责其中之一的方向即可】 1、【道路几何方向】跟进学界最新主流道路集合感知进展，包括且不限于车道线，停止线，斑马线，Roadmarker, 道路拓扑等方向 2、【Occupancy方向】跟进学界最新主流占据网络感知层面进展，研究基于相机、激光雷达、毫米波雷达等Occupancy感知方案，业界内形成技术领先； 3、【BEV方向】跟进学界主流BEV感知进展，研究基于相机、激光雷达、毫米波雷达等端到端BEV感知方案，业界内形成技术领先； 4、【激光雷达方向】跟进学界主流激光雷达感知进展，研究基于激光雷达的动态&静态障碍物感知技术，业界内形成技术领先；