岗位职责

1.负责建筑/工业场景下“视觉 + 多传感器” 融合算法的设计与开发：核心解决机械臂避障、移动 AGV 动态导航、高精度视觉引导等业务问题，弥补单一视觉在强光、遮挡、反光场景中的局限性。

2.主导 “视觉检测模型 + 传感器融合系统” 全流程落地：包括需求拆解、多传感器（激光雷达 / IMU / 超声波 / 深度相机）选型评估、数据采集与标注、模型训练优化、融合策略实现及避障逻辑验证。

3.负责传感器数据处理与协同：完成相机与激光雷达 / IMU 的联合标定（外参校准）、多模态数据（图像 / 点云 / 惯性数据）的时间同步与空间对齐，解决数据时延、不一致性等问题。

4.参与算法工程化部署：将融合算法（如 YOLO 检测 + 卡尔曼滤波融合）结合模型量化、剪枝技术，部署至边缘设备（Jetson Xavier/Nano、工业工控机），确保满足工业级实时性（帧率≥20fps）与稳定性（丢包率≤0.1%）。

5.跨团队协作：与硬件工程师配合完成传感器与机械臂的通信接口（Ethernet/RS485/CAN）调试，与机械工程师协同验证避障路径合理性，输出技术文档与部署手册。

6.跟踪传感器融合领域前沿技术，结合业务场景评估应用可行性，推动技术迭代优化。

任职要求

1.本科及以上学历，计算机科学与技术、人工智能、自动化（传感器融合 / 智 能控制方向）、机器人工程、测控技术与仪器（传感器检测方向）等相关专业；

2.硕士学历优先，研究方向为 “多传感器融合”“智能机器人避障” 者优先。

3. 精通 Python（数据处理、模型快速验证）与 C++（算法工程化、高性能模块开发），熟练使用 CMake、Makefile 构建工程，能独立编写可复用的算法代码；

4.熟悉 Linux 操作系统，具备 Shell 脚本编写能力，能应对边缘设备的环境配置与调试。

5.熟练使用 PyTorch/TensorFlow 框架，具备 YOLO v5/v8/v9/v11（目标检测）、Mask RCNN/YOLOSeg（实例分割）实战经验，能解决工业场景中玻璃、金属反光表面的视觉检测问题；

6.掌握 OpenCV 图像处理全流程（图像滤波、特征提取、畸变校正、双目测距），了解传统视觉算法（如 SIFT、ORB）在低算力场景下的应用。

7.熟悉主流工业传感器特性：激光雷达（Velodyne / 速腾）、IMU（惯性测量单元）、超声波传感器、深度相机，能根据场景选择适配的传感器组合；

8.掌握多传感器融合算法原理与实战：卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、贝叶斯估计，或深度学习融合方案（如融合型 CNN/Transformer）；

9.具备 “视觉 + 传感器” 数据关联、异常数据容错处理能力，能通过融合将避障精度提升至误差≤5mm，解决单一传感器失效问题。

10.掌握模型优化技术：量化（INT8/FP16）、剪枝、蒸馏，能将模型体积压缩 50% 以上且精度损失≤3%；

11.熟悉 ONNX/TensorRT/OpenVINO 部署流程，具备边缘设备（工控机）部署与性能调优经验；

12.了解 ROS/ROS2 生态，能实现传感器数据订阅、算法节点发布、机械臂控制指令对接。