【27届校招】定位算法工程师

参与视觉定位与多传感器融合算法研发，完成特征提取、匹配、位姿估计及定位链路的开发与优化。 负责深度学习模型的数据构建、训练/微调、评估与调优，持续提升模型精度、鲁棒性和实时性。 复现并跟踪视觉 SLAM、基于学习的定位相关的论文和开源方案，推动算法模型工程化落地

计算机及相关专业硕士，2027届毕业生； 具备 C++ 基础，能够阅读、调试并完成中小型工程中的简单代码修改；了解 Python，能够用于数据处理、模型实验或结果可视化。 了解视觉定位、VO、VIO、SfM 等基本概念，理解从图像特征或深度特征到匹配、位姿估计和定位结果的基本流程。 具备深度学习基础，熟悉 PyTorch 等至少一种框架，能够完成模型的数据准备、训练或微调、指标评估和基础问题排查。 具备基本的线性代数、概率统计、优化和几何变换知识；了解 SO(3)/SE(3)、非线性优化或滤波方法中的部分内容。 具备较强的问题分析和学习能力，能够阅读论文、代码和技术文档，复现已有方法并进行简单实验迭代。 优先考虑： 了解 ORB-SLAM3、VINS-Mono 等框架，或有 SLAM/视觉定位项目经验。 了解 SuperPoint、SuperGlue、LoFTR、MapNet 等深度特征或定位方法。 了解 BEVFormer、BEVFusion、MapTR 等 BEV 感知方法。 有模型调优、模型部署或 CUDA 加速经验。 有自动驾驶、无图定位、语义 SLAM、场景识别等项目经验。 有论文、竞赛或其他研究、工程成果