泊车感知算法工程师

Job description

岗位职责

• 核心负责自动驾驶泊车场景（APA/HPA/AVP）下的视觉3D目标检测算法研发、设计与迭代，基于环视相机等视觉传感器，实现泊车场景关键目标（车辆、行人、骑行者、车位、锥桶、地锁等）的精准3D检测、特征提取及位置、尺寸估计。
• 深入研究视觉3D/OCC目标检测相关算法，重点深耕图像-based 3D检测方案（如单目/双目/环视3D检测），熟悉BEV（鸟瞰图）、OCC（占据栅格）相关算法原理，优化算法在泊车长尾场景（地库弱光、目标遮挡、小目标、雨天逆光、弱纹理）下的视觉感知性能。
• 负责分类、分割、BEV模型的设计、训练、调优，分析算法bad case，建立性能优化体系，持续提升模型的召回率、精确率及目标位置、尺寸估计精度。
• 负责静态时序BEV检测框架研究，包括且不限于在线实时感知的道路结构认知、道路拓扑和道路要素推理等研究、开发和落地工作

负责探索使用新的深度学习方法来检测周围环境信息和交通参与者信息，提升实时感知模型的能力上限 具备能力

• 人工智能、计算机、电子信息、自动化、智能驾驶、车辆工程、数学等相关专业，硕士及以上学历，具备扎实的算法理论基础
• 精通深度学习原理，熟练使用PyTorch/TensorFlow等至少一种深度学习框架，具备丰富的模型训练、调优及数据清洗、增强经验。
• 深耕视觉目标检测领域，熟悉主流视觉3D检测网络（如BEVDet、BEVFormer等）及BEV、OCC相关算法的原理与工程实现，有相关算法研发项目经验，不涉及激光雷达相关算法研发。
• 熟练掌握视觉图像处理（OpenCV等）、相机成像原理及标定技术，精通单目/双目/环视视觉3D检测技术、熟悉SLAM技术，理解泊车场景视觉感知的特点与技术难点。
• 熟练使用Python/C++，具备良好的代码编写规范与逻辑思维能力，能独立完成算法原型开发与验证。
• 追踪前沿感知AI技术，对比分析各方案的技术优缺点及可行性
• 有相关量产项目经验，如智能驾驶感知、跟踪，预测。具备富有创新思维的工作事项，如数据自动标注、数据挖掘、数据增强、模型改进、损失函数优化等方向 【加分项】
• 在CVPR/ICCV/ECCV/NeurIPS等顶会发表过BEV/Occupancy/3D检测相关论文
• 有自动驾驶视觉3D感知、BEV/OCC算法相关项目量产经验，或参与过泊车场景视觉3D目标检测算法研发项目
• 熟悉模型蒸馏、量化等模型优化技术，或在KITTI、nuScenes、Waymo等3D检测竞赛中取得优异成绩。
• 深入理解环视相机成像特性、视觉畸变校正技术，有丰富的单目/双目/环视视觉3D检测、BEV/OCC算法研发经验者优先。
• 具备nerf, 4DGS等重建等开发经验
• 具备扎实的数学基础（线性代数、概率论、深度学习理论等），能独立开展算法创新与优化。