美团无人机-导航定位算法专家
任职要求
1.具有良好的数学基础，对于线性代数，优化理论，概率论，矩阵计算，数值分析等有深刻理解； 2.具有良好的计算机原理基础知识和较强C/C++代码工程化能力和经验； 3.熟练掌握多传感器融合理论基础，有惯导、GNSS等算法的开发应用经验，并有应用多种传感器融合的经验； 4.熟悉经典SLAM框架，例如GVINS、SVO、ORB-SLAM、MSCKF、VINS-mono，LOAM，voxelmap等，具有SLAM系统算法开发经验； 5.具有解决导航定位算法落地中问题的能力，提升全天候全天时情况下的导航定位系统精度和可靠性； 6.具有较强自我驱动能力，团队协作开发能力经验和算法创新能力。 具备以下条件优先 1.有AR/VR、机器人或无人机的导航定位项目实际开发经验或相关比赛经验者优先； 2.具备多传感器融合和挑战场景的定位算法优化经验，或发表过前沿研究论文成果的。
工作职责
1.负责导航定位相关算法的工程实现及优化； 2.负责导航定位相关卫星导航、组合导航、SLAM算法核心功能模块的开发、测试及上机等； 3.负责导航系统在弱结构化、弱纹理等退化场景和GNSS遮挡、雨雪雾等极端场景下的性能优化； 4.支持相关项目开展其它定位技术相关工作。
职位描述 1、主导无人机飞控系统总体设计，定义导航、控制、传感等子系统的技术需求与接口规范。 2、统筹飞控软硬件架构，确保多模块（状态估计、路径规划等）高效协同，解决系统级兼容性问题。 3、推动技术攻关（如冗余设计、时延优化），跟踪AI飞控等趋势，主导系统联调测试与适航认证支持。
1. 研究4DT四维航迹算法，设计低空航网计算模型，支持大规模无人机集群全天时连续运行； 2. 设计高性能计算平台，开发低延迟、高可靠的无人机空中交通、视觉导航定位、AI智能监看系统； 3. 面向低空物联网，设计类QUIC协议和分布式一致性算法，提高云边端共识达成率。
我们诚邀具有扎实技术功底和创新精神的多源融合定位工程师/专家加入团队，共同研发高精度、高鲁棒性的定位与导航系统。您将围绕 GNSS+IMU 组合导航 及 视觉 SLAM（V-SLAM）等多源融合技术展开工作，参与从算法设计到系统落地的全流程研发，为自动驾驶、机器人、无人机等前沿应用提供核心技术支撑。 主要职责 ● 设计、实现并优化基于 GNSS 与 IMU 的组合导航算法及系统，实现高精度惯性导航解决方案； ● 开发、集成并优化视觉 SLAM（V-SLAM） 算法，实现实时定位与环境地图构建； ● 针对多源传感器（GNSS、IMU、相机、激光雷达等）进行 数据融合、滤波与误差建模，提升系统精度与稳定性； ● 参与传感器标定、系统集成及性能验证，优化软硬件协同效果； ● 开展性能评估与问题分析，制定并实施改进方案； ● 撰写技术文档，输出研发报告，分享研究成果与技术趋势； ● 与跨团队成员（硬件、感知、控制等）紧密合作，推动项目落地。
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