Job Description

SLAM/VIO 算法工程师

上海

全职

智能制造 / 工业互联网 / 工业自动化

职位描述

我们正在寻找一位在 双目视觉与惯性导航 (Stereo-VIO) 领域拥有深厚造诣的算法专家，加入我们核心研发团队。 本岗位旨在挑战纯视觉方案在高动态、小尺度空间下的性能极限。你将负责构建一套亚厘米级精度的 6D 位姿追踪与建图系统，在计算资源受限的嵌入式平台上，通过多传感器紧耦合与全局图优化技术，实现“零漂移”的长期稳定运行。 如果你对后端因子图优化有深刻理解，且擅长解决纯视觉系统在弱纹理、快速运动下的鲁棒性难题，这里将是你施展才华的最佳平台。 岗位职责 (Key Responsibilities) 1. 高精度 VIO 系统架构与研发 • 设计并研发基于 Stereo Camera + IMU 的紧耦合状态估计系统（VINS），实现高频（>100Hz）、低延迟的 6D 位姿输出。 • 攻克高动态场景下的技术难点，优化前端光流追踪与特征匹配策略，解决剧烈运动导致的运动模糊与数据断流问题。 2. 后端建图与全局优化 (Graph SLAM) • 设计基于**因子图（Factor Graph）**的后端优化模块，有效融合视觉重投影误差、IMU 预积分及其他先验约束。 • 负责回环检测（Loop Closure）与重定位算法的研发（参考 RTAB-Map/ORB-SLAM3 机制），利用词袋模型（BoW）或深度特征，消除长时间运行产生的累积漂移，实现多 Session 地图对齐。 • 设计高效的地图管理策略（如关键帧筛选、内存修剪），确保系统在有限算力下长期运行不卡顿。 3. 多传感器标定与误差补偿 • 建立高精度的双目外参、Camera-IMU 联合标定及时间同步方案（Online/Offline Calibration）。 • 针对传感器特性进行建模，实现对温度漂移、卷帘快门（Rolling Shutter）效应及传感器噪声的在线补偿。 4. 嵌入式性能优化 • 负责算法在 ARM / DSP / NPU 等嵌入式平台上的移植与优化。 • 利用 SIMD (Neon)、CUDA 或 OpenCL 进行指令级/并行计算加速，极致压榨硬件性能。

职位要求

• 教育背景：计算机、自动化、机器人或数学相关专业硕士及以上学历。 • 理论基石：扎实的矩阵分析、多视图几何、李群李代数 $SO(3)/SE(3)$ 及非线性优化（G-N, L-M 算法）理论基础。 • 核心框架：深入理解并修改过主流 SLAM/VIO 开源框架的源码（如 VINS-Fusion, ORB-SLAM3, RTAB-Map, OpenVINS, OKVIS 等）。 ◦ 注：我们需要你不仅仅会使用框架，更要理解其背后的图优化与状态估计原理。 • 双目算法：精通双目视觉原理，熟悉立体匹配（Stereo Matching）、视差计算及深度恢复算法。 • 工程能力：精通 C/C++ 编程，代码风格严谨，熟悉 Linux 开发环境及 ROS/ROS2 架构。 【加分项 (Preferred)】 • 纯视觉实战经验：有 AR/VR 头显、手持扫描仪或无人机等无 LiDAR 参与的高精度定位项目落地经验。 • 图优化建图经验：熟悉 RTAB-Map 的内存管理（STM/LTM）机制或 GTSAM/g2o 的边缘化（Marginalization）策略者优先。 • 深度学习结合：熟悉基于 Deep Learning 的特征提取（如 SuperPoint）、匹配（如 SuperGlue）或光流估计算法。

投递