千寻位置招聘信息
2023-08-07
某学霸上岸笔记经验分享[火] 包括上岸学霸笔记、128个高频考点、手写三色笔记、速记口诀、材料作文30例、公基思维导图,扫码左侧二维码回复学霸笔记即可免费下载,仅限本周! |
千寻位置
公司介绍:千寻位置是全球领先的时空智能基础设施公司,成立于2015年8月。公司基于北斗卫星系统(兼容GPS、GLONASS、Galileo)基础定位数据,利用遍布全球的3700多个地基增强站、自主研发的定位算法及大规模互联网服务平台,为用户提供厘米级定位、毫米级感知、纳秒级授时的时空智能服务。2019年10月,公司完成10亿元A轮融资,估值超过130亿元。
岗位信息
计算机视觉工程师(点云处理方向)
岗位职责:
1. 负责基于机器学习、深度学习的点云处理(检测、分割、分类、配准等)算法研发和工程落地工作。
2. 负责激光雷达相关的硬件安装和调试相关工作。
岗位要求:
1. 计算机视觉、机器视觉、自动化等相关专业硕士/博士。
2. 掌握点云去噪、点云滤波等常用点云处理算法,掌握激光雷达、相机、IMU等多传感器标定。
3. 具备机器学习、深度学习相关理论基础,熟悉经典算法和主流模型。
4. 掌握PyTorch、Caffe、Tensorflow等一种或多种主流深度学习框架,精通PCL、PDAL等一种或多种点云处理开源库。
5. 精通Python或C/C++,熟悉shell。
6. 有固态激光雷达点云数据处理经验者优先。
7. 思维严谨,表达清晰,有较强的学习能力和沟通能力,英文CET6以上,有良好的英文读写能力。
8. 有良好的团队合作意识,工作主动,认真负责。
计算机视觉工程师(深度学习方向)
岗位职责:
1. 负责智慧城市、智慧交通等领域核心计算机视觉算法实现、优化和创新研究,涉及的问题包括但不限于:复杂场景下的多目标检测、跟踪、分类、分割等。
2. 负责大规模深度学习相关的核心算法研究,包括但不限于:大模型能力导入、网络结构设计、大规模分布式训练、小/少/零样本学习、无/自/半监督学习、迁移学习等。
3. 负责相关算法在智慧城市、智慧交通等领域的移动端、PC端、云端等场景产品化落地及迭代演进。
岗位要求:
1. 计算机视觉、深度学习、模式识别等相关专业硕士/博士。
2. 具有扎实的计算机视觉相关深度学习的理论基础,熟练掌握深度学习主流网络架构,包括基于Transformer的视觉大模型架构。
3. 具有3年以上计算机视觉相关深度学习项目研发经验。
4. 熟练使用C/C++、Python中至少一种编程语言,掌握Caffe、TensorFlow、PyTorch等深度学习框架之一。
5. 具有较强的研究能力,可以进行算法研究的创新设计和实现。
6. 具有优秀的分析问题和解决问题的能力,具有良好的沟通能力和团队合作能力,在工作中敢于突破与创新,对解决具有挑战性的问题充满激情。
7. 英文CET6以上,有良好的英文读写能力及表达能力。
8. 具有以下条件者优先:
1) 有行业内相关工作/实习经验,有实际产品、项目落地经验。
2) 在国际顶尖会议或期刊发表相关论文。
3) 有相关的知名比赛经验或在重要数据集的排行榜上排名靠前。
投递邮箱:mingwang.liang@wz-inc.com (邮件主题:“岗位+姓名+点云PCL推荐”)
薪资架构:固定月薪+年终绩效奖
工作时间:五天八小时,弹性不打卡,周末双休
节假日福利:入职即可享受的10天年假,多一年多一天,上限17天
其他福利:高新技术企业,落户政策好;专业的培训,晋升机制,助力个人发展;加班车费报销、出差补贴、年度体检、团建、节假日福利等
工作地点: 上海市杨浦区国权北路1688弄38号湾谷科技园C5栋(近地铁3号线,10号线)
资源
自动驾驶及定位相关分享
【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法
自动驾驶中基于光流的运动物体检测
基于语义分割的相机外参标定
综述:用于自动驾驶的全景鱼眼相机的理论模型和感知介绍
高速场景下自动驾驶车辆定位方法综述
Patchwork++:基于点云的快速、稳健的地面分割方法
PaGO-LOAM:基于地面优化的激光雷达里程计
多模态路沿检测与滤波方法
多个激光雷达同时校准、定位和建图的框架
动态的城市环境中杆状物的提取建图与长期定位
非重复型扫描激光雷达的运动畸变矫正
快速紧耦合的稀疏直接雷达-惯性-视觉里程计
基于相机和低分辨率激光雷达的三维车辆检测
用于三维点云语义分割的标注工具和城市数据集
ROS2入门之基本介绍
固态激光雷达和相机系统的自动标定
激光雷达+GPS+IMU+轮速计的传感器融合定位方案
基于稀疏语义视觉特征的道路场景的建图与定位
自动驾驶中基于激光雷达的车辆道路和人行道实时检测(代码开源)
用于三维点云语义分割的标注工具和城市数据集
更多文章可查看:点云学习历史文章大汇总
SLAM及AR相关分享
TOF相机原理介绍
TOF飞行时间深度相机介绍
结构化PLP-SLAM:单目、RGB-D和双目相机使用点线面的高效稀疏建图与定位方案
开源又优化的F-LOAM方案:基于优化的SC-F-LOAM
【开源方案共享】ORB-SLAM3开源啦!
【论文速读】AVP-SLAM:自动泊车系统中的语义SLAM
【点云论文速读】StructSLAM:结构化线特征SLAM
SLAM和AR综述
常用的3D深度相机
AR设备单目视觉惯导SLAM算法综述与评价
SLAM综述(4)激光与视觉融合SLAM
Kimera实时重建的语义SLAM系统
SLAM综述(3)-视觉与惯导,视觉与深度学习SLAM
易扩展的SLAM框架-OpenVSLAM
高翔:非结构化道路激光SLAM中的挑战
基于鱼眼相机的SLAM方法介绍
3D视觉与点云学习星球:主要针对智能驾驶全栈相关技术,3D/2D视觉技术学习分享的知识星球,将持续进行干货技术分享,知识点总结,代码解惑,最新paper分享,解疑答惑等等。星球邀请各个领域有持续分享能力的大佬加入我们,对入门者进行技术指导,对提问者知无不答。同时,星球将联合各知名企业发布自动驾驶,机器视觉等相关招聘信息和内推机会,创造一个在学习和就业上能够相互分享,互帮互助的技术人才聚集群。
免责申明:本文仅代表招聘公司立场,与本平台立场无关
扫描二维码
让我们一起分享一起学习吧!期待有想法,乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉,点云,高精地图,自动驾驶,以及机器人等相关的领域。
分享及合作方式:微信“cloudpoint9527”(需要按要求备注) 联系邮箱:dianyunpcl@163.com,欢迎企业来联系公众号展开合作。
点一下“在看”你会更好看耶
免责声明:
1、本站部分内容来源于网络,若来源标注错误或侵犯了您的合法权益,请及时与我们客服联系,我们将及时更正、删除或依法处理。
2、以培训或任何理由收取费用、索要财物、扣押证照,均涉嫌违法。
3、客服邮箱:lhealth@qq.com