职位描述
岗位职责
1.参与面向室内外复杂仓储环境的高精度、高鲁棒性SLAM系统研发,支撑叉车自主导航与数字孪生建图;
2.负责多源传感器数据融合核心模块开发与优化：深入理解激光雷达(Livox、RS-Helios等)、工业相机(卷帘/全局快门、曝光)、IMU的数据特性与误差模型;实现多传感器在线/离线标定(手眼标定、时钟同步、外参联合优化),提升系统初始精度;开发紧耦合联合优化框架(基于因子图/GTSAM或优化库Ceres),融合激光点云特征(plane/voxel)、视觉特征(ORB/LSD/深度学习特征)、IMU预积分,提升动态干扰下的位姿估计鲁棒性;
3.探索神经渲染与SLAM结合的新范式：复现并改进3D Gaussian Splatting (3DGS)流程,利用SLAM输出位姿训练动态/静态场景的高质量重建;研究SLAM到3DGS的闭环优化路径(如位姿refinement、点云初始化3DGS、时序一致性约束)。
任职要求
必备基础：
1.扎实的SLAM理论基础,熟悉激光SLAM(LeGO-LOAM、LIO-SAM、Fast-LIO系列)、VIO (VINS-Fusion、OKVIS)或VSLAM (ORB-SLAM3)至少一类系统架构;
2.熟练掌握C++(≥C++14)与Python,具备ROS/ROS2开发经验;
3.熟悉常用数学工具:李群李代数、非线性优化(Ceres/g2o/GTSAM)、卡尔曼滤波;
4.有传感器标定、多源数据同步、噪声建模等实践经验;
5.具备工程化思维,能独立完成模块开发、仿真/实车测试、误差归因闭环。
加分项(满足其一即可)：
1.有3D Gaussian Splatting训练/调参与下游应用(如新视角合成、定位)项目经验;
2.在ICRA/IROS/RAL/CVPR/3DV等会议有SLAM/NeRF相关论文或技术报告。
