工作范围：

1.根据适配商用车或乘用车的需要，制定2D视觉数据、3D雷达数据标注规范并在后续根据需要对标注规范进行更新和优化；

2.根据适配商用车或乘用车项目需要进行2D/3D的障碍物，车道线，红绿灯算法的研发或基于已有框架进行定制化开发，使最终的评价指标达到项目要求；

3.根据配商用车或乘用车项目需要，对相机内外参、雷达外参进行标定，并使标定结果满足实际使用需要。

4.多模融合感知算法训练，调优，输出可复现的系统分析文档：包括算法设计原理算法设计原因、算法设计整体架构），过程中进行算子改写和优化，设计符合项目需求的算子用于解决模型性能提优

5. 能够实现多模融合感知算法框架编写和优化，满足模型平台化要求

技术要求：

1.熟练掌握PyTorch深度学习框架和人工智能的数学基本原理;

2.熟练掌握Python3基础语法，熟练掌握Python3编程，使用Python3和PyTorch独立开发过深度学习框架或基于开源框架做过定制开发；

3.熟练掌握YOLO系列（不低于YOLOV5的版本）或RT-DETR系列或ResNET系列算法的基本原理，能基于YOLO系列或RT-DETR系列或ResNET系列算法进行定制化开发以满足适配乘用车或商用车实际项目需要；

4.熟练掌握PointPillars系列或CenterPoint系列算法的基本原理，能基于PointPillars系列或CenterPoint系列算法进行定制化开发以满足适配乘用车或商用车实际项目需要；

5.熟练掌握BEVFusion系列或BEVFormer系列算法的基本原理，能基于BEVFusion系列或BEVFormer系列算法进行定制化开发以满足适配乘用车或商用车实际项目需要；

6.掌握视觉2D障碍物、雷达3D通用障碍物检测的基本原理，并能根据实际项目需要制定数据标注规范，能结合算法检测结果对数据集、数据标注规范进行分析和优化；

7.掌握相机内外参和雷达外参标定法和标定的基本原理，能根据实际的项目需要，进行相机内外参、雷达外参的标定，并使标定结果能满足适配乘用车或商用车实际项目需要。

教育背景：

计算机科学、人工智能、软件工程、自动化等相关专业本科及以上学历。