深度学习slam算法工程师

打算以后从事slam+深度学习方向的工作，整理一些招聘网站上的工作要求，作为自己的工作目标。 
1、50%配合深度学习算法工程师，集成现有的物体识别框架和贝叶斯方法，构建包含物体标签的地图，用于家用机器人的场景理解甚至辅助导航定位 
2、50%在此基础上，对算法进行优化 

基础知识： 
1、良好的C++和python，MATLAB编程基础，熟悉Linux及ROS操作系统,有ROS相关项目经验者优先 ，熟练掌握OpenCV、OpenGL,pcl等计算机视觉/图像处理库,熟悉git  
2、具有良好的英文听说读写沟通能力，学习能力强，求知欲强烈；优秀的英文论文阅读能力，并能快速编程实现,良好的代码与文档风格 
3、扎实的数学功底，精通线性代数、概率论、微积分； 
4、熟悉CV相关的几何问题 
5、熟悉图像处理常见概念 
6、熟悉机器学习领域常见概念和算法 
7、有RGBD图像和点云处理相关经验  
8、熟练掌握单目视觉、双目视觉,立体（深度）视觉等计算机视觉知识，并有相关开发经验 
9、熟练使用Visual Studio开发环境，熟悉常用第三方库的编译；  
10、对机器学习常用算法有基本理解，如逻辑回归，SVM，KNN, 神经网络，HMM，k-means，PCA （参见视觉机器学习20讲） 
11、有一定的Coursera或edX或Udacity课程学习经历 

VSLAM专业知识： 
1、熟练掌握SLAM前端VO的相关知识与算法，对PnP姿态求解问题有深入研究 
2、熟悉SLAM后端的优化算法如BA，图优化理论及常用第三方库的使用如G2O 
3、熟悉EKF、粒子滤波、g2o、BA TSDF等算法； 
4、 视觉惯性里程计（VIO）相关算法，了解IMU数据处理与融合； 
5、双目、结构光、tof等成像设备项目经验者优先，有处理RGBD图像或点云经验 
6、基于激光雷达、IMU或odom、双目，RGB-D摄像头等输入信息的地图构建算法  
7、 熟练掌握常见slam算法 
8、用ROS系统实现基于视觉定位与建图有经验（VSLAM、 ORBSLAM、等算法）9、熟悉SVO，ORB-SLAM和holokit系统（理论和代码），并对特征点识别跟踪，姿态防抖动，重定位，闭环检测，词袋模型有深入研究与实践； 
10、研究并开发机器人自主导航中的全局和局部路径规划、运动规划等算法等，如：A-star，DWA等。  

机器学习专业知识： 
1、熟悉计算机视觉（如目标检测和跟踪、增强现实、图像分割增强、相机标定、立体视觉）等基础知识。 
2、熟悉深度学习中的物体检测及场景识别类算法，如yolo, faster-rcnn, fcn等 
回归、SVM、贝叶斯、EM，GBDT，RNN，CNN adaboost 特征提取、对象识别和各种分类器 有模型训练经验等并且有实战经验 
3、熟悉深度学习的开源框架，如MXNET, TENSORFLOW, CAFFE, TORCH, THEANO，Matlab DL toolbox等，熟练使用  
4、对深度学习在某一领域的应用有深入思考和研究；如图像渲染，图像去模糊，强化学习，语义理解，对话生成，翻译等， 并有一定的论文阅读量 
5、对使用深度学习及semantic mapping方法解决家用机器人场景理解和导航定位问题有强烈兴趣 

加分项： 
1、Linux系统层优化开发经验； 
2、熟悉PID闭环控制原理和开发； 
3、熟悉SLAM算法闭环优化的开发； 
4、熟悉git版本管理系统。 
5、熟悉算法并行优化，有CUDA或opencl编程经验者优先 
6、熟悉android或iOS开发经验者优先  
7，熟悉并行算法，做过多核和GPU开发； 
8，声音处理/用语言指令控制机器人优先考虑； 
9，高精度地图，众包地图经验、有室内定位、深度学习、机器人自动避障