1. 目标检测与识别：开发算法用于检测和识别电梯按钮、快递包裹、咖啡杯等目标物体。

2. 目标定位与跟踪：实现目标物体的精确定位和跟踪，确保多轴机械臂或Agv小车能够准确操作。

3. 视觉引导与控制：与机械臂控制算法工程师协作，提供视觉引导信息，确保机械臂能够准确执行任务。

4. 环境感知与建模：开发算法用于感知和理解机器人所处的环境，包括障碍物检测、路径规划等。

5. 多传感器融合：结合视觉数据与其他传感器（如激光雷达、IMU等）进行数据融合，提高系统的鲁棒性和精度。

6. 算法优化与部署：优化视觉算法，确保其能够在嵌入式系统或边缘设备上实时运行。

7. 测试与验证：设计测试方案，验证视觉系统的性能和可靠性。

1. 教育背景：计算机科学、电子工程、自动化、机器人学或相关领域的硕士或博士学位。

2. 编程技能：熟练掌握Python、C++等编程语言，熟悉OpenCV、PCL等计算机视觉库。

3. 算法基础：扎实的计算机视觉和图像处理基础，熟悉目标检测、图像分割、特征提取、3D重建等算法。

4. 深度学习：熟悉深度学习框架（如TensorFlow、PyTorch），有使用深度学习进行目标检测、分类、分割等任务的经验。

5. 机器人视觉：有机器人视觉系统开发经验，熟悉视觉SLAM、视觉伺服、手眼标定等技术。

6. 多传感器融合：了解多传感器融合技术，能够将视觉数据与其他传感器数据进行融合。

7. 嵌入式系统：有在嵌入式系统或边缘设备上部署视觉算法的经验，熟悉ROS（机器人操作系统）者优先。

8. 项目经验：有实际项目经验，能够独立完成从算法设计到系统实现的整个流程。

9. 团队协作：良好的沟通能力和团队协作精神，能够与其他工程师（如机械臂控制、AGV导航等）紧密合作。

1. 3D视觉：有3D视觉处理经验，熟悉点云处理、3D重建等技术。

2. 强化学习：了解强化学习在机器人视觉中的应用。

3. 开源贡献：有开源项目贡献或相关领域的论文发表。