2027暑期实习生|视觉slam算法工程师

1. 01

   根据公司产品与项目需求，主导设计与实现面向室外复杂场景的基于深度学习的视觉SLAM（DL-VSLAM）算法，构建具备高鲁棒性、高精度的实时定位与稀疏/稠密地图构建系统；

2. 02

   负责深度学习在视觉SLAM全链路中的研发与落地，包括但不限于：基于CNN/Transformer的特征提取与匹配、端到端位姿估计（如PoseNet/DeepVO类方法）、单目/双目深度预测辅助建图、语义辅助闭环检测与全局优化、动态物体分割与滤除等，并推动其在庭院机器人业务场景中的工程化落地；

3. 03

   负责深度学习模型的轻量化设计、加速推理与部署，解决实际工况（如光照剧变、纹理缺失、运动模糊、动态环境）下的鲁棒性问题，并与数据工程师配合完成大规模真实场景数据的采集、标注、清洗与模型迭代验证工作；

4. 04

   与其他算法/软件工程师配合完成机器人整机的DL-VSLAM感知定位模块集成、嵌入式平台（含NPU/GPU加速）部署，以及相应的白盒测试、端到端性能评测与文档输出工作。

1、2027届毕业生，硕士及以上学历，计算机视觉、机器人、人工智能、控制工程、电子信息等相关专业；

2. 02

   英语六级，英文可交流，具备熟练的英文文献读写与技术沟通能力；

3. 03

   深入理解传统视觉SLAM理论基础（如ORB-SLAM、VINS系列等），熟悉多视图几何、非线性优化（图优化/Bundle Adjustment）、李群李代数等数学工具；同时精通深度学习在视觉感知领域的核心方法，熟悉CNN/RNN/Transformer等网络结构，掌握端到端位姿回归、深度估计、特征学习等前沿技术；熟练使用PyTorch/TensorFlow等主流深度学习框架；

4. 04

   具有扎实的C++/Python编程能力，熟悉ROS系统及Linux开发环境，具备深度学习模型转ONNX/TensorRT/NCNN等端侧部署工具链的实践经验，能够高效高质地将算法部署至嵌入式平台（如Jetson、RK3588等），并有实际实时推理性能优化经验者优先；

5. 05

   在CVPR/ICCV/ECCV/IROS/ICRA等顶级会议或期刊发表过基于深度学习的视觉SLAM、视觉里程计或三维感知相关高水平论文者优先。