静态环境感知融合工程师

静态环境感知融合工程师

岗位职责

静态环境导航生成：负责园区内外静态环境的导航能力构建，融合多源静态环境要素（车道线、路沿、可行驶区域、路口、停车位、限速/禁行等交通规则），生成可用于自动驾驶/机器人导航的结构化路网。

选路与路径优化：设计并实现路网拓扑上的选路算法，综合考虑距离、通行成本、道路等级、场景约束等因素，输出全局最优或近优路径；持续优化算法在园区复杂场景（多路口、掉头、窄道、混行区）下的合理性与稳定性。

路网模型后处理：对上游感知/建图输出的原始路网进行后处理，包括拓扑连接修复、几何平滑、冗余去除、语义补全、路口结构化重建，提升路网的完整性、连贯性与可用性。

多源数据融合：融合感知实时结果、高精/SD 地图先验、定位信息等多源静态环境数据，解决冲突与不一致问题，保证融合后环境模型的一致性与鲁棒性。

模型部署与优化：参与静态环境感知/融合相关深度学习模型的工程化落地，负责模型的 TensorRT（TRT）转换、量化与推理优化，保证模型在车端/边缘设备（如 NVIDIA Orin 等）上的实时性与稳定性。

HMI 交互支持：配合人机交互（HMI）需求，将路网与导航结果转换为前端可视化所需的数据格式，参与导航路径展示、路口引导、场景提示等交互逻辑的联调与优化。

工程落地与迭代：参与模块的工程化开发、性能优化、问题定位与 Case 闭环，支持实车/实机测试与数据回灌，推动能力持续迭代。

任职要求

计算机、自动化、地图测绘、车辆工程、机器人等相关专业本科及以上学历，1–3 年相关工作经验。

扎实的 C++/Python 编程能力，熟悉常用数据结构与算法，具备良好的工程实现与调试能力。

熟悉图论与路径规划算法（如 Dijkstra、A*、拓扑搜索等），有选路/路径优化相关实践经验。

具备深度学习模型相关经验，了解常见感知/融合网络结构，熟悉模型训练、评测或部署流程；有 TensorRT（TRT）模型转换、量化（FP16/INT8）、推理加速相关经验者优先。

具备以下一个或多个方向的背景：

自动驾驶 / 机器人导航（路网、地图、定位、SLAM 等）；

地图 / GIS / 路径规划（高精地图、SD 地图、路网建模、坐标与几何处理）；

感知融合算法（多源静态环境要素融合、BEV、语义地图后处理）。

熟悉路网数据结构与地图相关坐标系、几何处理，有路网后处理或地图数据处理经验者优先。

良好的问题分析与解决能力，有较强的沟通协作意识，能够跨感知、地图、HMI、测试等团队高效配合。

加分项

有园区、低速无人车、末端配送、泊车等场景的导航/路网落地经验；

熟悉 ONNX、CUDA、模型量化/剪枝、TensorRT Plugin 开发等模型部署优化技术；

熟悉 HMI 数据协议或前端可视化联调经验；

熟悉一种以上地图数据格式（如 OpenDRIVE、Lanelet2 等）；

有大规模路网自动化生成、评测体系搭建经验。