昵称登录后显示

感知算法经验

计算机视觉： 精通目标检测（YOLO系列、Faster R-CNN, SSD）、目标跟踪（SORT, DeepSORT, Kalman/粒子滤波）、图像分割（语义/实例分割）、关键点检测、行为识别等算法。具备丰富的实际应用和调优经验，解决过复杂场景（遮挡、光照变化、小目标）下的鲁棒性问题。

多传感器融合： 深入理解并实践激光雷达、毫米波雷达、摄像头、超声波等传感器的时空同步、标定、数据关联与融合算法（如卡尔曼滤波、扩展卡尔曼滤波、粒子滤波以及基于深度学习的融合方法），用于构建精准、可靠的环境感知模型。

深度学习模型开发与优化： 熟练掌握主流深度学习框架（PyTorch, TensorFlow）。具备从模型选型、数据准备、训练、调优到部署的全流程能力。专注于模型轻量化（剪枝、量化、知识蒸馏）以适配边缘计算和车规级硬件平台。
3D感知与重建： 拥有基于LiDAR点云和视觉的3D目标检测（PointPillars, PointRCNN, VoxelNet）、SLAM（视觉/LiDAR SLAM）、深度估计和稀疏/稠密重建经验，为自动驾驶高精定位和环境理解提供支撑。

系统集成与工程化能力：
嵌入式系统开发： 熟悉Linux嵌入式环境开发，具备在边缘设备（如NVIDIA Jetson系列、地平线征程系列、黑芝麻、海思芯片）上部署和优化感知算法的经验，关注实时性和资源约束。

软件开发与架构： 精通C++/Python，熟悉面向对象设计、设计模式。有构建和维护复杂感知模块软件架构的经验，注重代码质量、模块化、可测试性和可扩展性。

中间件与通信： 熟悉ROS/Apollo框架及其在自动驾驶系统中的应用，了解DDS等通信协议。熟悉Socket等网络通信技术。

安防领域： 深入理解智能视频分析需求，如人脸识别、人体属性分析、周界入侵检测、异常行为识别、人流统计等。熟悉安防行业标准、视频编解码（H.264/H.265）、网络传输协议（RTSP, ONVIF）及大型视频管理平台集成。
自动驾驶领域 (L2+/L3/L4)： 掌握自动驾驶系统架构（感知、定位、规划、控制）。深刻理解感知模块在行车（前向感知、AEB、ACC、LKA）、泊车（APA/RPA/AVP）等场景中的关键作用。了解高精地图定位、决策规划基本原理。