定位算法项目工程师

算法开发：

根据总体设计方案与传感器配置，进行定位算法设计开发；

对所负责或参与的算法进行设计、维护，并能针对工程问题进行优化解决；

负责开展产品智能化、无人化及系统研发和试验 三、持续改进：

根据内外反馈信息，负责算法改进和优化工作；

对相关部件的AI产品代码、算法及相关技术文件的进行更改、优化；

根据公司降成本计划及要求，实施降成本工作。

对环境中的corner case问题进行持续跟踪并解决；

产品市场推广：

对研发产品进行市场推广，了解客户需求，维护客户关系，制定推广计划和营销活动；

收集竞争对手信息，竞品分析；

技术服务和支持：

根据市场需求及销售部门的实际情况，提供技术服务和支持；

参与现场技术服务，及时解决生产现场的技术质量问题。

受教育水平：大学本科及以上，智能化相关等专业；

工作经验：具有8年以上技术工作经历，其中人工智能（或无人驾驶技术）或图像识别开发相关技术工作5年以上；

知识要求：

对图像、点云、定位等方向算法理论掌握至少2个方面

具备一定的传感器技术、导航定位技术等专业知识，了解常用无人驾驶系统框架和原理；

了解国内外汽车或工程机械行业无人驾驶系统和发展趋势；

熟悉技术开发流程；了解国内外与本行业相关的法律法规和标准；

熟悉多传感器原理与多传感器融合定位算法；

熟悉rtk与imu定位里程计开发、lidar与imu里程计开发、camera与imu里程计开发至少1个方面 ；

基本技能：

编程能力：熟悉C++、ros、opencv、pcl、Eigen、GTSAM等常用开发工具；

数学基础：熟悉线性代数、概率论、优化理论、多视图几何等数学知识；掌握卡尔曼滤波、eskf、iekf等、粒子滤波、非线性优化（如因子图优化）等算法；了解闭环检测、位姿估计、地图优化等SLAM核心问题；

SLAM算法经验：熟悉rtk定位技术、激光SLAM（如LOAM、Cartographer、fastlio、lio-sam）、视觉SLAM（如ORB-SLAM、VINS）等主流算法、以及激光视觉融合算法fastlivo等其中之一；

多传感器融合：熟悉激光雷达（LiDAR）、摄像头、IMU、GPS、毫米波雷达等传感器的原理、传感器标定、数据时间同步融合等，以及传感器融合算法开发；

需具备能力：

点云处理： 负责点云去噪、滤波（如体素滤波、统计滤波）、地面分割、点云分割、点云配准（如ICP、NDT）等基础操作；

SLAM系统设计：设计基于不同传感器（如rtk、激光雷达、摄像头、uwb、IMU等）的SLAM系统，包括前端（位姿估计）和后端（优化算法、图优化、闭环检测）模块；

多传感器融合：融合多源传感器数据（如视觉-惯性SLAM、激光-惯性SLAM、激光-视觉融合、rtk与imu融合、uwb与imu融合），提高定位精度和鲁棒性。

算法改进：优化现有算法（如特征提取、点云配准、Bundle Adjustment、因子图优化），解决动态环境、空阔场地、rtk被短时遮挡、uwb航向角精度提升、计算效率等问题；

开源框架适配：熟悉主流开源slam框架（如ORB-SLAM、lego-loam、LIO-SAM、cartography、fastlio等等），并基于主流开源SLAM框架进行二次开发或定制化改进。