（校招）感知算法工程师-干线

1、根据个人技术方向，负责以下一个或多个方向的算法研发与优化：

感知算法方向：负责图像、激光雷达或多传感器融合的障碍物检测、语义分割、多目标跟踪、红绿灯及交通标识识别等算法研发；

车道线算法方向：负责2D/3D/BEV车道线、道路边界、道路标识及道路拓扑关系等算法研发；

Auto标注方向：负责图像、点云及多模态数据的自动标注模型研发，包括目标检测、语义分割、实例分割、目标跟踪、伪标签生成及标注质量优化等。

2、负责相关算法的方案设计、模型训练、效果评估、问题分析和迭代优化。

3、负责训练数据的清洗、数据增强、困难样本挖掘、标注质量分析及数据闭环建设。

4、配合完成感知模型的工程化实现，包括ONNX/TensorRT模型转换、Orin平台部署、C++推理及性能优化。

5、配合完成系统集成、传感器数据解析与预处理，以及实车测试和问题定位

6、计算机、人工智能、电子信息、车辆工程、自动化等相关专业，本科及以上学历。

7、熟悉机器学习和深度学习基础理论，熟练使用PyTorch或TensorFlow等主流深度学习框架。

8、至少具备以下一个方向的实际项目经验：

感知算法方向：熟悉图像或3D点云目标检测、语义分割、多目标跟踪、BEV感知、多传感器融合等相关算法；

车道线算法方向：熟悉2D/3D/BEV车道线检测、道路边界检测、车道拓扑建模或相关算法；

Auto标注方向：熟悉目标检测、语义分割、实例分割、多目标跟踪、半监督学习、伪标签生成或多模态自动标注等相关技术。

9、具备良好的编程能力，熟练掌握Python，能够使用C/C++进行算法开发者优先。

10、熟悉Linux开发环境，具备良好的数据分析、模型调试及问题定位能力。

11、具备以下任一经验者优先：

具有BEV感知、视觉与点云融合或时序感知模型研发经验；

具有自动驾驶车道线、道路结构或拓扑关系感知经验；

具有自动标注、数据闭环、困难样本挖掘或标注质量评估经验；

具有ONNX、TensorRT、CUDA、Orin等模型部署或性能优化经验；

具有相机、激光雷达、毫米波雷达的数据解析、标定、时间同步或驱动开发经验；

在计算机视觉、自动驾驶或机器学习领域发表过高质量论文，或取得过相关竞赛成果