智驾建图评测工程师

岗位职责： 1.主导开发基于激光雷达 - 惯性测量单元（LIO）、激光雷达 - 惯性测量单元 - 视觉（LIVO）以及视觉 - 惯性测量单元（VIO）的 SLAM 建图算法 针对自动驾驶场景进行深度优化，确保算法在复杂环境下具备高准确性、稳定性与实时性； 优化 LIO 算法在多动态目标干扰场景下的建图精度，使其能够精准识别和排除动态目标对地图构建的影响； 2. 深入研究现有开源 LIO/LIVO/VIO SLAM 算法，如 FAST-LIO、LIO-SAM、FAST-LIVO等，结合团队项目需求进行二次开发与改进，提升算法性能，满足 4D 重建预标注对地图质量与构建速度的严苛要求； 3. 将研发的 LIO/LIVO/VIO SLAM 建图算法与自动驾驶数据采集系统、传感器硬件（激光雷达、摄像头、IMU 等）进行高效集成； 解决感器数据同步、算法兼容性等问题，迅速定位并解决，优化系统架构，确保各模块协同工作流畅，提高整体系统的可靠性与鲁棒性； 4.运用 LIO/LIVO/VIO SLAM 算法对自动驾驶采集的海量数据进行处理: 构建高精度、高分辨率的 4D 地图，精准还原道路场景、障碍物分布以及其他关键环境信息，为后续的标注工作提供优质底图; 5. 设计并执行全面的 LIO/LIVO/VIO SLAM 建图算法评测方案， 运用专业的评估指标与工具，如 RMSE（均方根误差）、ATE（绝对轨迹误差）等，对算法在不同场景、不同数据规模下的性能进行量化评估，生成详细、准确的评测报告； 岗位要求： 1. 精通 LIO/LIVO/VIO SLAM 算法原理，熟练掌握多视图几何、滤波算法（如卡尔曼滤波、扩展卡尔曼滤波）、非线性优化（如 Ceres Solver、G2O 优化库）等相关技术， 能够灵活运用这些知识解决实际问题； 2. 熟悉常见的开源 LIO/LIVO/VIO SLAM 框架，如 FAST - LIO，FAST - LIVO，M2Mapping，M-detector，LAMM等，对其算法框架、实现细节有深入理解，具备基于开源框架进行二次开发与优化的能力； 3. 具备扎实的点云处理、点云匹配算法基础，熟练使用 PCL（Point Cloud Library）等点云处理库，能够高效处理激光雷达点云数据； 4. 熟练应用ROS（Robot Operating System）框架，能够在 ROS 环境下进行算法开发、系统集成与调试工作；