SLAM算法专家

作为SLAM算法专家，负责设计、实现和优化新一代的视觉/激光/多模态SLAM系统，并将其产品化于机器人、无人机、自动驾驶或智能设备中。需深入理解SLAM的核心理论与工程实践，并持续推动其在复杂、动态、大规模场景下的性能边界。 核心职责

1. 01

   算法研发与创新： 负责研发高性能、高鲁棒的视觉惯性里程计（VIO）、激光雷达里程计与建图（LOAM/LIO）、多传感器融合SLAM系统。 深入研究和解决 大尺度场景下的实时定位与建图、长期鲁棒性与重定位、动态物体处理 等关键挑战。 探索并应用深度学习与几何方法结合的前沿方案（如基于学习的特征点、深度估计、端到端SLAM、语义SLAM）。 主导关键模块的算法设计，包括但不限于：特征跟踪/关联、非线性优化（BA、因子图）、回环检测、地图表示与管理（如NeRF、TSDF、体素、子地图）。

2. 02

   系统集成与产品化 将SLAM算法模块集成到完整的无人机或机器人软件栈中，与感知、预测、规划模块紧密协作。 针对特定硬件平台（SOC AI芯片等）进行性能优化，确保算法满足实时性、精度和稳定性的严苛产品要求

教育背景：计算机科学、机器人学、自动化、应用数学等相关专业硕士或博士学历。 深厚理论基础：深刻理解多视几何、概率状态估计（滤波与优化）、李群与李代数在SLAM中的应用。 丰富的实践经验： 3年以上在机器人、自动驾驶或相关领域的SLAM研发经验。 精通 C++，具备强大的软件工程能力，熟悉Linux开发环境。 熟练掌握至少一种主流SLAM或优化框架，如 g2o、GTSAM、CERES、OKVIS、VINS-Mono、ORB-SLAM系列、LIO-SAM 等，并有深入修改和调试的经验。 熟悉常见的传感器（相机、IMU、激光雷达）模型、标定与时间同步。 问题解决能力：出色的分析、调试和解决复杂系统问题的能力。 团队精神：优秀的沟通能力和团队协作精神。 优先考虑条件 在 CVPR/ICCV/ECCV/IROS/ICRA/RSS 等顶级会议或期刊上发表过SLAM相关论文。 有大规模点云/语义地图构建与管理的实际项目经验。 熟悉嵌入式系统优化（如ARM NEON指令集、CUDA编程）经验。 具备多传感器前融合（特别是相机与激光雷达）的研发经验。 有基于学习的SLAM（如DROID-SLAM, DPVO）或神经辐射场（NeRF） 在动态场景中应用的经验。 熟悉自动驾驶定位系统（如与高精地图、GPS/RTK融合）