机器人Slam建图定位算法

Job description

核心算法研发

• 负责视觉、激光、惯性多传感器融合（LIV-SLAM）系统的开发与优化，重点攻克全局重定位、长期自主定位及闭环检测算法。

复杂场景攻坚

• 针对工厂高动态（人员/叉车流动）、弱纹理（长走廊/白墙）、光照剧烈变化及人形机器人多地形运动特点，设计高鲁棒性的定位策略，确保在特征缺失或短暂丢失后能实现秒级快速重定位。

系统重构与量产

• 主导定位算法从原型验证到大规模量产的工程化落地。对现有代码进行大范围重构，优化内存管理与计算效率，实现在嵌入式端侧（如Orin, RK3588等）的轻量化部署。

地图管理策略

设计适用于大范围厂区及多楼层的高效地图管理机制，包括子地图拼接、动态图层更新及云端地图分发策略。

跨平台适配

• 统筹四足、轮式及人形机器人不同运动学模型下的定位算法适配与参数调优。

岗位要求

• 计算机、自动化、机器人等相关专业硕士及以上学历，3年以上SLAM算法开发经验，有完整的机器人产品量产落地经历；
• 精通LIV-SLAM（激光/视觉/惯性紧耦合）理论，熟悉VINS-Fusion, LIO-SAM, FAST-LIO2等主流开源框架及其改进方案；
• 精通V-SLAM（ORB-SLAM3, VINS-Mono等），深入理解特征点法与直接法优劣，具备在低纹理环境下提升跟踪稳定性的实战经验；
• 熟练掌握基于词袋模型（BoW）、神经网络描述符（如NetVLAD,SuperPoint/SuperGlue）或混合策略的全局重定位技术；有解决“绑架机器人问题”及长时运行累积误差的实际案例；
• 具备极强的C++编程能力，熟悉Linux环境开发，精通多线程编程、内存优化及SIMD指令集加速；
• 有大规模代码重构经验，能够将复杂的学术算法转化为高实时性、高稳定性的工业级代码。 熟悉TensorRT、OpenVINO等推理加速工具，有在资源受限的嵌入式平台上实现算法剪枝、量化及部署的经验。