岗位职责 - 参与基于学习的地图匹配与位姿估计系统的研究与开发； - 结合深度学习与传统方法，探索基于图像、点云、语义、特征点等不同模态的地图匹配算法； - 研究多模态特征融合方法，提升自动驾驶系统在大规模场景下的定位精度与鲁棒性； 任职要求 我们并不要求你完全符合以下所有要求，但是希望你具备以下能力中的某些部分： 1. 扎实的几何与定位理论基础 - 熟悉自动驾驶定位、建图、地图匹配相关的基础概念； - 有图像检索、特征匹配、位姿估计、多视图几何相关经验； - 熟悉常用工具库（如OpenCV、Ceres、Eigen），有相关项目经验； - 熟悉Python/C++编程语言。 2. 深度学习与特征学习能力 - 了解CNN、Transformer、GNN等神经网络架构在视觉特征学习中的应用； - 熟悉图像特征提取（如SuperPoint）与匹配方法（如SuperGlue、LoFTR、LightGlue等）； - 具有PyTorch独立开发经历加分； 3. 研究与实践经验 - 在地图匹配、图像检索、视觉定位、语义分割等领域有相关项目经历或论文发表经验； - 具备较强的论文复现、算法改进及实验分析能力； - 有自动驾驶、机器人等相关竞赛经验者优先。 4. 附加要求 - 每周可实习至少4天，持续3个月以上； - 具备良好的沟通能力和团队协作意识，有较强的自主学习与问题解决能力； - 熟悉NetVLAD、HF-Net、hloc、Hierarchical Localization等开源项目者优先； - 对神经渲染、隐式地图表示、场景压缩等前沿技术有了解加分。