slam定位算法工程师

1. 视觉SLAM系统开发

- 负责视觉SLAM核心算法的研发与优化，包括特征提取、匹配、位姿估计、回环检测等模块

- 开发基于单目/双目/多目相机的视觉里程计（VO/VIO）系统

- 实现稀疏/半稠密/稠密建图方案

2. 多传感器融合定位

- 设计并实现视觉+激光雷达+IMU的紧耦合/松耦合融合定位方案

- 开发基于因子图优化/滤波器的多源传感器融合框架

- 完成传感器标定（相机内外参、Camera-LiDAR联合标定、IMU标定）

3. 激光SLAM集成与融合

- 集成激光SLAM算法（LOAM/LeGO-LOAM/LIO-SAM等）与视觉系统

- 开发视觉-激光联合建图与定位算法，提升复杂场景鲁棒性

- 实现点云与视觉特征的融合匹配与优化

4. 系统优化与部署

- 算法在嵌入式平台（Orin/J6）上的移植与性能优化

- 实现算法的实时性优化，满足工程化落地需求

- 开发定位系统的故障诊断与降级策略

5. 前沿技术研究

- 跟踪学术前沿，研究深度学习SLAM、NeRF、3D Gaussian Splatting等新技术

- 探索端到端定位/建图方案在产品中的应用可行性

1. 基本要求：硕士及以上，计算机视觉、机器人、自动化、测绘等相关专业，3-5年视觉SLAM或多传感器融合定位相关开发经验，精通 C++（熟悉C++11/14/17特性），熟练使用 Python，具备良好的代码规范与工程能力；

2. 视觉SLAM技术要求：

- 深入理解视觉SLAM理论，熟悉 ORB-SLAM、VINS-Mono/Fusion、MSCKF 等经典算法；

- 掌握多视图几何、对极几何、光束法平差（BA）；

- 熟悉特征点法与直接法（LSD-SLAM、DSO）的原理与实现；

- 了解深度学习特征提取（SuperPoint、SuperGlue、LoFTR）；

3. 激光SLAM技术要求：

- 熟悉主流激光SLAM框架：LOAM、A-LOAM、LeGO-LOAM、LIO-SAM、FAST-LIO；

- 掌握点云配准算法（ICP、NDT、GICP）；

- 了解激光雷达特性与点云数据处理；

4. 多传感器融合技术要求：

- 精通EKF/ESKF/UKF滤波理论与实现；

- 熟练使用因子图优化库（GTSAM、g2o、Ceres）；

- 具备Camera-LiDAR-IMU联合标定经验；

- 理解预积分、边缘化、滑动窗口优化等技术；

5. 加分项：

- 在 CVPR、ICCV、ECCV、ICRA、IROS、RA-L 等顶会/顶刊发表过相关论文；

- 有开源SLAM项目贡献或GitHub高星项目经验；

- 有自动驾驶产品量产落地经验；

- 熟悉 TensorRT、CUDA 加速，有算法嵌入式部署经验；

- 了解 NeRF、3D Gaussian Splatting 等神经隐式表达技术