职位&公司对比

职位详情

• 深圳
• 3-5年
• 硕士

• C/C++
• 毫米波雷达
• 深度学习
• 数据处理算法
• FMCW
• 嵌入式开发
• 信号处理

一、数据处理算法工程师： 工作职责： 1. 负责汽车雷达多目标轨迹跟踪、预测算法的开发与调试； 2. 负责解决汽车雷达实际应用中的多目标跟踪问题； 3. 负责汽车雷达大量路试数据的后处理，优化目标跟踪算法； 4. 负责汽车雷达多目标轨迹跟踪算法的相关技术文档撰写； 5. 协助汽车雷达测试、数据采集及分析； 6. 协助汽车雷达多目标轨迹跟踪算法的嵌入式软件实现； 任职需求： 1. 学历要求：电子、信号处理、计算机等相关专业，本科及以上学历； 2. 经验要求：3年以上多目标轨迹跟踪算法开发经验（雷达,或其它传感器）； 3. 软件&工具要求：精通Matlab或C语言，熟悉汽车电子行业开发； 4. 熟悉毫米波雷达原理，FFT，卡尔曼滤波，DBSkanzhunCAN、多目标聚类，跟踪算法等； 二、雷达AI算法工程师： 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的深度学习感知算法开发，从雷达原始RAWDATA进行点云检测输出， 2.负责ADAS各场景下，基于毫米波雷达的深度学习感知调研，方案制定，算法开发来自BOSS直聘，模型优化和嵌入式移植、部署； 3.负责基于单/多毫米波雷达输出的点云进行深度学习，输出雷达周围环境模型(包括不限于护栏、栅栏，路沿等道路参与目标），目标分类识别，道路环境模型生成，多目标跟踪，以及多雷达目标融合等； 4BOSS直聘.负责毫米波雷达结合AI算法等前沿技术调研，提前进行相关算法布局。 5.根据雷达数据特点，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； 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； 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； 5、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。