我们诚挚地邀请符合岗位需求的杰出人才,加入诠视科技这个温暖的大家庭,携手并进,在追求创新的道路上共同努力,共创辉煌而美好的未来!有意者请发送简历到邮件:rachel.lian@xvisiotech.com.cn
职位描述:
深入理解 SLAM / 里程计 / 状态估计 至少一类路线:
LiDAR SLAM:点云匹配(ICP/NDT/GICP)/ scan-to-map / voxel / feature-free
视觉
SLAM:ORB-SLAM系、DSO/VINS/直接法、重定位
滤波派:EKF/UKF/ES-EKF 在多传感器融合
制定并执行公司销售计划,60%的出差 时间,能同时面对多任务环境。
岗位职责:
主导定位融合架构设计
在 LiDAR / Stereo-VO / Mono-VO / 轮速里程计 / IMU / RTK-GNSS(可选)之间搭一套可落地的融合管线:前端里程计 → 后端优化/滑iding-window → 回环 → 全局对齐。
把“庭院场景”做成强项
解决草坪/泥土/坡度导致的“视觉退化/激光特征稀疏”问题:退化检测、模态切换策略(LiDAR↔视觉↔里程计↔GNSS)、保守漂移到可信源切换。
多传感器时间同步与标定落地
推进 IMU-轮编码器-LiDAR/相机的硬同步/软对齐:外参标定、时延估计、在线自标定(bias/scale)。
回充电桩/贴边/禁区边界定位
把“回充(docking)”“沿边(edge-follow)”“禁区保持(keep-out)”等对定位精度的强依赖做成闭环指标。
量产交付与性能治理
内存/CPU预算、上电冷启动首帧可用时间、断电续扫一致性、日志可追溯、参数灰度与回滚。
任职要求:
扎实的 C/C++ 能力(现代C++14/17优先),熟悉 CMake / git / 嵌入式/边缘平台(ARM/RK/NXP/STM32异构不拒)。
深入理解 SLAM / 里程计 / 状态估计,至少一类路线:
LiDAR SLAM:点云匹配(ICP/NDT/GICP)/ scan-to-map / voxel / feature-free
视觉SLAM:ORB-SLAM系、DSO/VINS/直接法、重定位
滤波派:EKF/UKF/ES-EKF 在多传感器融合里怎么用不崩
熟悉 IMU预积分 / 轮速里程计建模:运动模型、bias、尺度/打滑补偿、噪声不发散。
会用/能改 Ceres / g2o / Eigen:BA、pose graph、sliding window 至少做过一种。
理解常见“翻车点”:长廊/草坪退化、急转、轮子打滑、光照突变、动态人宠遮挡。
领域加分:
做过 LiDAR+IMU+轮速计 的紧耦合/松耦合融合,尤其 无GPS或GPS间歇性可用 环境。
做过 RTK-GNSS/DR融合:可用性判决、integer ambiguity、置信度、降级到VO/LO。
做过 多雷达/雷达-相机 的时间同步与外参在线标定(标定质量评估也算)。
有回环检测/全局重定位 工程经验:scan context / iris / bag-of-words / 描述子持久化与一致性。
了解庭院特征退化怎么治:草地低纹理、树叶季变化、雨后反光、坡面倾斜导致“平面假设”失效。
扫地机背景更佳:沿边依赖墙特征、回充依赖红外/二维码/视觉信标与可信定位联动。