视觉感知算法工程师(J14185)

立体深度估计：搭建并优化立体匹配（SGM / PSMNet / RAFT-Stereo 等），输出与 RGB 对齐的深度图，处理远处深度退化、边缘插值错误、遮挡空洞。

视觉-激光关联（核心）：实现 RGB 检测 + 深度/点云匹配 流水线——视觉出 2D 框，经相机-激光外参投影与点云关联，绑定"类别 + 精确 3D 位置 / 高度"，支撑 RGB-D 避障决策。

语义分割与障碍检测：针对割草机障碍（宠物 / 玩具 / 树干 / 电缆 / 家具 / 充电线）训练轻量检测与分割模型（YOLO 系列 / PP-LiteSeg / BiSeNet）；开放词汇需求评估 YOLO-World / YOLOE 并做重参数化。

标定与关联：负责相机内参、双目标定，并配合标定融合工程师完成相机-激光外参标定与振动在线重标，保证投影对齐误差可控。

数据引擎：基于 FieldSAFE / EDEN / LawnMower Seg 等公开集 + 自采数据，用大模型（SAM3 / YOLO-World）自动打标 → 训练小模型，建设障碍数据集与评估基准。

系统集成：以 C++ / ROS2 节点交付，定义清晰的话题 / TF / 时间同步接口，参与双周联调与实车跑通。

硕士及以上学历，计算机/自动化/机器人/CV等相关专业，1 年以上 SLAM 或视觉感知工程经验。

扎实的多视图几何、相机成像模型、线性代数、图优化功底，熟悉投影 / 反投影 / 内外参变换。

熟悉目标检测 / 语义分割栈（YOLO / MMDetection / SegFormer 等），懂立体匹配与深度估计原理。

熟练 C++ / Python，熟悉 PyTorch / OpenCV / PCL / Open3D，有 Linux / ROS 实车调试经验。