感知算法工程师（障碍物方向）(J12735)

AI 摘要智能生成

参与算法模型的训练、量化、验证与测试

职位描述

岗位职责： 参与基于BEV（Bird's Eye View，鸟瞰图）方案的智能驾驶泊车场景感知算法开发工作，重点参与车位检测、障碍物检测、OCC（Occupancy Grid Mapping，占据栅格地图）、车道线检测等核心模块的算法设计、调试与优化； 协助完成算法相关的数据处理工作，包括数据标注审核、数据集构建与优化、数据增强策略设计等，提升数据质量以及支撑算法性能迭代； 参与算法模型的训练、量化、验证与测试，分析实验结果，针对泊车场景的特殊工况（如狭小空间、弱光环境、复杂障碍物）提出算法改进方案； 协助整理算法开发文档、实验报告，参与团队技术讨论，分享研发进展与技术思路。

任职要求

• 基础要求：
• 每周保证三天及以上实习时间，总实习时长不低于6个月；
• 在读硕士或优秀本科生，专业方向为自动化、计算机科学与技术、电子信息工程、人工智能、机器学习等相关领域；
• 具备扎实的数学基础，熟悉线性代数、概率论与数理统计、机器学习/深度学习基本原理；
• 熟悉至少一种深度学习框架（PyTorch/TensorFlow），具备良好的Python/C++编程能力；
• 熟悉BEV相关算法原理，如LSS、BEVFormer、Sparse4D、MapTR等；
• 具备较强的问题分析能力、学习能力和团队协作意识，工作积极主动，能够高效完成分配的任务。
• 优先条件：
• 英语四级及以上；
• 有地平线、英伟达等主流智能驾驶芯片平台的算法量化部署经验者优先；
• 有OD相关模块的深度开发与量产落地经验者优先；
• 有完整的泊车场景感知算法项目落地经验者优先；
• 曾主导或核心参与智能驾驶感知算法相关项目的量产落地，有成功案例者优先；
• 在顶会（如CVPR、ICCV、ECCV等）或核心期刊发表过智能驾驶、计算机视觉相关高水平论文，或拥有相关技术专利者优先。