蔚来智驾感知融合算法工程师 - 后处理
任职要求
1. 熟悉常用的kalman滤波跟踪以及数值优化方法（ceres优化、lm优化等），熟悉ad功能中常用的传感器及其特性；
2. 熟悉c++开发语言，精通常用的ei…工作职责
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；
1. 根据上层需求撰写规划控制需求文档，算法设计方案等工作 2. 负责智驾功能（LCC/HNOA/CNOA等）规划控制算法的开发，优化等工作 3. 与产品，功能，感知融合等团队，共同完成整体智能，高效，健壮和安全的智驾系统
负责视觉语义车道级的算法和工程开发，有效融合GNSS、IMU、轮速、视觉语义车道线、高精地图等信息，提供车道级定位能力，并且能深入分析评测样本，逐步提高车道识别的准召，提高算法的鲁棒性，以应对复杂的感知环境。
1、数据闭环体系搭建与落地：负责自动驾驶全链路数据闭环体系设计与搭建，日均处理亿级传感器原始数据及标注数据，保障数据从采集、处理到模型训练的端到端流转，支撑感知、决策规划等端到端模型的高效训练； 2、数据闭环工具链研发： 2.1 云端数据处理 pipeline 开发： •针对标注数据、场景数据，设计并落地数据清洗（去噪、去重、异常过滤）、解析、切片、抽帧、送标（对接标注平台）的全流程自动化 pipeline； •优化 pipeline 吞吐量与延迟，目标支撑日均 10 万 + 场景数据处理，服务算法团队数据生产需求； •推动工具链部署落地，解决线上运行故障（如数据阻塞、接口兼容问题），保障工具链可用性。 2.2 高价值场景数据挖掘体系建设: •搭建 “规则 + 大模型” 双驱动的数据挖掘产线：针对规则挖掘，设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略；针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等； •与算法团队协作迭代挖掘策略，提升 corner case 召回率（目标≥85%）。
-负责基于BEV感知、SLAM优化、多传感器融合的算法开发 -负责基于海量的感知、BEV建图数据，自动化高精度路网建图的研发 -参与、推进算法规模化量产，解决用户实际面对的复杂场景下长尾问题的发现、解决和模块交付 -结合前沿ML、智驾技术，对智驾地图业务进行创新和探索