热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

大疆车载招聘|SLAM、地图定位、感知算法、机器学习算法工程师

3D视觉工坊致力于推荐最棒的工作机会,精准地为其找到最佳求职者,做连接优质企业和优质人才的桥梁。如果你需要我们帮助你发布实习或全职岗位,请

3D视觉工坊致力于推荐最棒的工作机会,精准地为其找到最佳求职者,做连接优质企业和优质人才的桥梁。如果你需要我们帮助你发布实习或全职岗位,请添加微信号CV_LAB

公司介绍

大疆车载是大疆旗下专门提供智能驾驶服务的品牌,自2016年起专注于智能驾驶系统及其核心零部件的研发、生产、销售等服务。

我们拥有一支创新能力强、经验丰富的团队,截至2020年底,核心研发人员超过500人,硕博士比例达87%,大部分都有在机器人与人工智能领域的顶级院校、科研机构与国际知名OEM及Tier 1学习或工作的经历。在智能制造与质量体系建设方面,大疆车载亦建立起一支超过200人的工程团队,其中90%的工程师来自知名OEM与Tier1 厂商,可为智能技术量产提供强力支持。

岗位介绍

SLAM算法方向(智能驾驶业务)

工作职责

负责高精度地图和定位的研发工作。包括但不限于:

1. 设计创建可扩展、可增量更新的高精度地图;

2. 开发多传感器融合算法,提高地图的精度;

3. 自动化地图的大规模采集、生成、标注、校验和修订的整个流程;

4. 设计实现实时定位算法,以及对算法定位性能的测试与评估。

任职要求

1. 计算机、自动化、数学等相关专业,硕士及以上学历;

2. 熟悉C++/C,扎实的算法和数据结构知识;

3. 熟悉地图和定位相关的算法和框架,例如:VisualSLAM、Visual Odometry、Lidar SLAM、VO/VIO 等等;

4. 熟悉Lidar、Camera、GPS、IMU等多传感器融合及组合导航算法;

5. 有大规模数据处理有丰富的系统经验;

6. 具备扎实的数学能力,熟悉几何、统计和机器学习算法与理论等,熟悉计算机视觉或者深度学习等知识,熟悉常用的优化方法,熟悉卡尔曼滤波、粒子滤波等相关理论;

7. 有自动驾驶系统地图创建、ADAS系统地图开发或城市测绘建图经验,了解特征地图、栅格地图、拓扑地图、点云地图等不同地图表征形式和作用;

8. 有基于配准、概率、优化、机器学习等方法实现移动机器人定位工作的开发经验;

9. 有视觉、激光、IMU/GPS等多传感融合建图及组合导航经验。

软件工程-地图与定位方向(智能驾驶业务)

工作职责

1. 负责离线大规模建图软件需求和方案设计,将算法落地为以大数据平台为基础的分布式生产软件,支撑多种数据源、大规模离线自动标注和生产; 

2. 负责高精地图与定位相关的自动测试、质检、可视化、benchmark、profiling等工具链和平台建设,提升开发效率;

3. 支撑车端地图与定位相关算法的工程化落地,设计并优化软件架构,持续提升代码质量。

任职要求

1. 计算机、软件工程或相关专业,本科以上学历,2年以上C/C++、Python开发经验;

2. 熟悉C++语言,有较强的工程能力,有C++项目落地经验;

3. 熟悉常用的设计模式、数据结构及算法;

4. 熟悉python语言,具备使用python搭建可视化分析工具的能力;

5. 了解分布式计算和大数据处理系统;

6. 追求整洁、高效、可维护的代码;

7. 具备出色的owner意识和主动性,能够独立进行业务问题分解,并推动问题的解决;

8. 具备较强的学习能力、团队协作精神,乐于接受新事物和新挑战。

加分项

1. 大规模地图生产经验,熟悉NDS、OpenDrive等地图格式;

2. 定位、高精度地图类项目落地经验;

3. SLAM或GIS相关算法经验;

4. 大数据和离线分布式处理分析经验。

感知算法方向(智能驾驶业务)

工作职责

负责自动驾驶系统感知算法相关的研发,包括但不限于:

1. 对图像、点云等数据中的静态场景要素的检测和追踪,如车道线、路沿、地标、路牌、交通标志等;

2. 对图像、点云等数据中的动态场景要素的检测和追踪,如行人、车辆、其他运动障碍物等;

3. 融合异构传感数据的场景目标检测和跟踪,对单类数据源感知结果进行优化;

4. 基于不同场景要素的语义、拓扑等关系或结合结合地图先验进行互相校验,给出不同场景要素的置信度评估;

5. 给自动驾驶系统的地图创建和定位提供有力支撑;

6. 给自动驾驶系统的预测决策规划系统提供有力支撑。

任职要求

1. 计算机、自动化、数学等相关专业,硕士及以上学历;

2. 熟悉C++/C或Python,扎实的算法和数据结构知识;

3. 精通以下领域的技术之一:

a. 多视图几何和计算机视觉技术

b. 深度学习

c. 滤波和优化算法,例如卡尔曼滤波或粒子滤波,以及常见全局和局部、离散和连续优化方法

d. 感知传感技术应用(了解常见传感器的基本性能,例如摄像头、毫米波雷达、超声雷达以及他们的应用,熟悉基本的多源信息融合策略)

6. 具备良好的数学能力,熟悉几何、统计和机器学习算法与理论等;

加分项:

1. 有自动驾驶系统或ADAS系统感知算法开发经验,如车道线识别,障碍物识别及跟踪等;

2. 有视觉、激光雷达、毫米波雷达等传感器融合经验;

3. 在CVPR、ICCV、ECCV、IROS, ICRA等视觉或者机器人领域的会议或期刊上发表过论文;

4. 有相关基本技能的竞赛经验,例如ACM, 机器人大赛,无人车比赛等。

机器学习算法方向(智能驾驶业务)

工作职责
1.负责预研基于视觉/激光点云的物体检测与追踪、车道线检测、道路拓扑理解、关键点检测、语义分割等算法;
2.负责预研基于深度学习的时序和多传感器信息融合算法;
3.负责预研自动驾驶场景的车辆轨迹预测、行人意图推断等算法;
4.负责预研深度学习模型量化和加速、AutoML、分布式训练等基础技术;
5.负责与嵌入式工程师协作,针对产品平台进行算法优化和部署。
任职要求
1.计算机科学、信息工程、电子工程、机器人等专业硕士及以上学历;
2.具备扎实的编程能力,熟练使用C++/Python进行开发;
3.熟练使用至少一种深度学习框架(Pytorch/Tensorflow等);
4.有物体检测、目标追踪、语义分割、关键点检测等科研或开发经验者优先;
5.有点云数据处理、立体视觉、多视图几何、多传感器融合等科研或开发经验者优先;
6.有AutoML、模型加速和优化、分布式训练算法开发经验者优先;
7.在计算机视觉或机器人顶级会议/期刊上发表过论文者优先;
8.具备良好的编程风格习惯、文档撰写能力、团队协作和沟通表达能力。

感知算法方向(无人机业务)

工作职责
负责无人机系统的感知算法相关研究、开发与产品化,包括但不限于:
1.负责研发基于视觉传感器的单双目深度感知方法并落地产品;
2.负责研发基于激光/视觉的3D场景在线建图、实时运算,支持决策规划相关模块,落地产品;
3.负责研究视觉相机、激光雷达、TOF等传感器的特性,开发相关的标定与自标定方法并落地产品;
4.负责基于不同场景的语义信息以及拓扑关系,支持系统的定位感知、决策规划,落地产品;
任职要求
1. 计算机、自动化、数学等相关专业, 硕士或以上学历;
2. 熟悉C/C++/Python,有一定的开发经验;
3. 具备扎实的算法和数据结构等知识,具有良好的数学能力,熟悉几何、统计、机器学习算法等相关理论;
3. 精通以下领域的技术之一:
a. 多视图几何和计算机视觉技术;
b. 深度学习;
c. 滤波和优化算法,包括但不限于卡尔曼滤波、非线性优化等方法;
d. 传感器技术,了解机器人系统不同传感器的特性,以及多源信息融合策略,包括但不限于视觉传感器、激光雷达、3Dtof以及毫米波雷达等;
加分项
1. 熟悉机器人系统,了解其各模块及相关知识;
2. 具有机器人系统、SLAM、传感器融合、三维重建等相关领域开发经验,有产品落地者优先;
3. 代码能力优秀,可读性强,有长时间维护软件工程经验;
4. 系统能力强,动手能力强;
5. 在相关领域主流会议或期刊发表过论文 (包括但不限于CVPR/ICCV/ECCV/NIPS/ICML/ICLR/IROS/ICRA);

学历要求:均为社招职位,应届学生只接受博士学历,硕士需有工作经验,且其本科学历要求211及以上。

备注:简历投递邮箱:vision3d@yeah.net, 或者直接联系小助理微信:CV_LAB。备注:应聘大疆+岗位

6be8f22e67f65bfa648370630c4a6d51.png



推荐阅读
  • 每日一书丨AI圣经《深度学习》作者斩获2018年图灵奖
    2019年3月27日——ACM宣布,深度学习之父YoshuaBengio,YannLeCun,以及GeoffreyHinton获得了2018年的图灵奖, ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
  • 了解供应链简单来说,供应链涉及一系列旨在向最终用户提供产品或服务的步骤。企业组织及其供应商之间始终存在一个网络,来生产特定产品并将其交付给最终用户。该网络包括不同的活动、人员、实体 ... [详细]
  • 在2019中国国际智能产业博览会上,百度董事长兼CEO李彦宏强调,人工智能应务实推进其在各行业的应用。随后,在“ABC SUMMIT 2019百度云智峰会”上,百度展示了通过“云+AI”推动AI工业化和产业智能化的最新成果。 ... [详细]
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
  • 当前物联网领域十大核心技术解析:涵盖哪些关键技术?
    经过近十年的技术革新,物联网已悄然渗透到日常生活中,对社会产生了深远影响。本文将详细解析当前物联网领域的十大核心关键技术,包括但不限于:1. 军事物联网技术,该技术通过先进的感知设备实现战场环境的实时监测与数据传输,提升作战效能和决策效率。其他关键技术还包括传感器网络、边缘计算、大数据分析等,这些技术共同推动了物联网的快速发展和广泛应用。 ... [详细]
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • 当前,众多初创企业对全栈工程师的需求日益增长,但市场中却存在大量所谓的“伪全栈工程师”,尤其是那些仅掌握了Node.js技能的前端开发人员。本文旨在深入探讨全栈工程师在现代技术生态中的真实角色与价值,澄清对这一角色的误解,并强调真正的全栈工程师应具备全面的技术栈和综合解决问题的能力。 ... [详细]
  • 2019年斯坦福大学CS224n课程笔记:深度学习在自然语言处理中的应用——Word2Vec与GloVe模型解析
    本文详细解析了2019年斯坦福大学CS224n课程中关于深度学习在自然语言处理(NLP)领域的应用,重点探讨了Word2Vec和GloVe两种词嵌入模型的原理与实现方法。通过具体案例分析,深入阐述了这两种模型在提升NLP任务性能方面的优势与应用场景。 ... [详细]
  • 不用蘑菇,不拾金币,我通过强化学习成功通关29关马里奥,创造全新纪录
    《超级马里奥兄弟》由任天堂于1985年首次发布,是一款经典的横版过关游戏,至今已在多个平台上售出超过5亿套。该游戏不仅勾起了许多玩家的童年回忆,也成为强化学习领域的热门研究对象。近日,通过先进的强化学习技术,研究人员成功让AI通关了29关,创造了新的纪录。这一成就不仅展示了强化学习在游戏领域的潜力,也为未来的人工智能应用提供了宝贵的经验。 ... [详细]
  • 本文对比分析了机器人视觉中两种关键算法——束调整(Bundle Adjustment)和位姿图优化(Pose Graph Optimization)的应用与性能。通过结合基于特征的方法和直接方法,研究了半稠密实时立体视觉SLAM系统在不同场景下的表现,探讨了各自的优势与局限性,并提出了改进策略以提升系统的鲁棒性和实时性。 ... [详细]
  • [TensorFlow系列3]:初学者是选择Tensorflow2.x还是1.x? 2.x与1.x的主要区别?
    作者主页(文火冰糖的硅基工坊):https:blog.csdn.netHiWangWenBing本文网址:https:blog.csdn.netHiW ... [详细]
  • 机器学习如何看世界 对抗机器学习诠释人工智能和人类思维的不同
    接近,计算,极限,看,世界,对抗,机器,学习,诠释,人工智能,和, ... [详细]
  • 在Java分层设计模式中,典型的三层架构(3-tier application)将业务应用细分为表现层(UI)、业务逻辑层(BLL)和数据访问层(DAL)。这种分层结构不仅有助于提高代码的可维护性和可扩展性,还能有效分离关注点,使各层职责更加明确。通过合理的设计和实现,三层架构能够显著提升系统的整体性能和稳定性。 ... [详细]
  • 全新发布的自我修复与自我更新的Linux版本,专为云计算环境设计! ... [详细]
author-avatar
张雍昊
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有