深度学习slam算法工程师

slam工作 专栏收录该内容
3 篇文章 0 订阅

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

***You got a dream, you gotta protect it. People can’t do something themselves, they wanna tell you you can not do it. If you want something, go get it!
can’t do it.If you want something, go get it.*

  • 8
    点赞
  • 1
    评论
  • 24
    收藏
  • 打赏
    打赏
  • 扫一扫,分享海报

评论 1 您还未登录,请先 登录 后发表或查看评论
©️2022 CSDN 皮肤主题:大白 设计师:CSDN官方博客 返回首页

打赏作者

RobotSlam

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值