工作职责：

1、负责基于车载单毫米波雷达和多毫米波雷达传感器以及视觉的深度学习感知算法开发，融合雷达原始点以及视觉图像实现目标检测、跟踪、语义分割、身份识别、目标分类、姿态识别等功能。

2、负责ADAS各场景下，基于毫米波雷达以及视觉的深度学习感知调研，方案制定，算法开发，模型优化和嵌入式移植、部署；主导算法在边缘设备（RK3588、Jetson NX等）的移植与性能优化；与嵌入式同学协作，将算法移植到毫米波硬件端或边缘计算设备，优化实时性与计算效率。

3、负责基于单/多毫米波雷达输出的点云以及视觉图像进行深度学习，输出周围环境模型(包括不限于护栏、栅栏，路沿等道路目标），目标分类识别，道路环境模型生成，多目标跟踪，以及多雷达视觉目标融合等；

4、负责毫米波雷达视觉结合AI算法等前沿技术调研，探索创新性感知方案；

5、根据雷达视觉数据特点，建立AI算法的训练和评价准则，建立从采集数据、训练到部署等完备的流程；

6、负责训练AI算法模型与传统算法检测性能对比评价，输出传统算法和AI算法的性能检测对比报告；编写技术文档，参与算法测试与验证，确保满足产品需求和行业标准；

7、设计、开发、优化多传感器融合算法方案；开发360°全景相机图像拼接算法，包括特征匹配、图像融合、畸变校正等关键技术；优化实时视频拼接算法，提升在边缘设备上的处理性能；研究多传感器（雷达、视觉以及红外等）标定与同步技术，解决多视角图像配准问题。

任职需求：

1、熟悉毫米波雷达基本原理，掌握毫米波雷达常规算法（信号处理、数据处理）的基本处理流程和作用。

2、熟练掌握图像处理基础，熟悉常用图像处理、机器学习、深度学习相关算法。熟悉基于点云目标分类、识别、跟踪算法，有模型部署优化经验；

3、熟悉掌握C/C++、Python, 至少精通一个深度学习框架

(TensorFlow、PyTorch、Caffe等)；

4、研究生及其以上学历。拥有汽车或相关行业L2+项目经验，3年以上工作经验，具备较强的工程实现能力；

5、具备良好英文文献阅读能力，快速理解并应用新方法、新技术等，在ICCV 、ECCV 、CVPR等相关主流会议或期刊上发表论文者优先；

6、具有良好的学习和解决问题能力、沟通能力、团队合作精神、科研精神。