SLAM定位算法工程师

- 负责多传感器融合定位算法的设计与开发，基于GNSS、IMU、轮速计构建紧耦合定位引擎，支持自动驾驶系统在城市、高速、停车场等全场景下的高精度、高可靠性定位。

- 设计并实现GNSS原始观测值（伪距、载波相位、多普勒）与IMU/轮速的深耦合/紧耦合滤波框架，解决城市峡谷、隧道、树荫遮挡等复杂环境下的定位退化问题。

- 负责IMU零偏建模与在线标定、轮速计刻度系数在线估计、杆臂效应与外参联合标定等核心算法模块的研发与迭代。

- 构建基于因子图优化（Factor Graph）或扩展卡尔曼滤波（EKF/INS-EKF）的多源融合定位框架，支持GNSS RTK/PPP、IMU预积分、轮速里程计、视觉/LiDAR里程计等观测因子的灵活接入。

- 设计稳健的完好性监测（Integrity Monitoring）与故障检测与排除（FDE）机制，保障定位结果的安全性和可用性。

- 负责算法在嵌入式平台（ARM/GPU/DSP）上的工程化部署与性能优化，满足车规级实时性要求。

- 主导或参与量产项目的定位模块交付，包括：传感器选型与标定、数据录包与回放分析、自动化评测系统搭建、实车路测问题排查与回归。

- 教育背景：硕士及以上学历，博士优先；导航制导与控制、测绘遥感、机器人、自动化、计算机等相关专业。

- 工作经验：3年以上多传感器融合定位算法研发经验，必须具备至少1个完整的前装L2+ / L3级自动驾驶量产项目定位模块交付经历，熟悉车规级开发流程与质量体系（ASPICE/IATF 16949优先）。

- 编程能力：精通C++，了解C++11及以上新特性，具有良好的算法与数据结构基础；熟悉Python编程。

- 理论基础：

深入理解捷联惯性导航（SINS）力学编排、姿态更新算法及各类误差模型；

精通GNSS定位原理，熟悉RTK/PPP定位算法流程及原始观测值特性；

熟悉车辆运动学/动力学模型，理解轮速计特性及车辆横向/纵向约束。

- 算法能力：

精通卡尔曼滤波（EKF/UKF/PF）及因子图优化（iSAM/GTSAM）框架，能独立推导雅可比矩阵并实现融合求解器；

具备在线标定（外参/时延/轮速尺度/IMU参数）实际落地经验；

具备GNSS欺骗/干扰检测、离群值鲁棒估计（M-estimation / Huber Loss）工程经验。

- 工程能力：

精通C++（C++11/14/17），代码风格良好，有大型算法库架构设计与重构经验；

熟悉Linux开发环境及ROS/ROS2生态，有QNX或实时操作系统开发经验者优先；

具备嵌入式平台（NVIDIA Orin/Infineon TC系列/Renesas）算法部署与性能优化经验。