SLAMer，已拿10+offer，秋招总（吐）结（槽）

实习、秋招面试真题

作者丨晃晃悠悠的虚无周@知乎来源丨https://www.zhihu.com/question/554407919/answer/2733996589编辑丨3D视觉工坊点击进入—>3D视觉工坊学习交流群秋招尘埃落地，确定了NIO的offer，以后就是NIOer了，hhh，接下来谈谈今年秋招的感受。今年秋招难不难我认为还是比较难的，首先就个人而言，我采取的是海投策略，累计投递了38家，总共拿到...

转载知乎https://zhuanlan.zhihu.com/p/28565563 大家知道，近几年 SLAM 开源算法越来越多，市面上也已经有了一些初步的应用。每当出现新的应用场景，就有着相应人才的需求，也就有了一些新的就业机会。如果同学们和我方向相近，也希望从事类似的岗位。我觉得读完下面的这些，你会有所收获的。 前期准备： --------------------------------...

主要关注的是视觉SLAM的招聘要求，给相关需要找工作的朋友，也可以通过招聘信息知道需要学习的东西。 图森未来：D轮（北京）、字节跳动、奥比中光（深圳）、旷视科技：C轮（北京）、 纽劢科技：A轮（上海）、悉见科技：B轮（北京）、小觅智能：B轮（北京）、纵目科技：C轮（北京，上海）、 小鹏汽车：B轮（北京，广州）、镭神智能（主要做激光雷达）：B轮（深圳）、小马智行、景驰科技、 地平线、Aibe...

（欢迎大家关注我的微信公众号“机器学习面试基地”，之后将在公众号上持续记录本人从非科班转到算法路上的学习心得、笔经面经、心得体会。未来的重点也会主要放在机器学习面试上！） 更多无人驾驶领域\slam\点云方向技术文章可以关注CSDN账号bh_宫商角徵羽，一个立志要为中国的自动驾驶奋斗终身的boy： https://blog.csdn.net/weixin_38133509?spm=1001.2014.3001.5509 百度 一面 讲项目 用过哪些传统点云处理方法 C++的数据结构熟吗 vector和l.

从9月中旬到10月底，我个人历时一个半月的秋招也基本结束了，然后来分享下这一个多月以来个人秋招的一些心得体会以及一些公司的面经。首先，今年相比去年形势有所好转嘛？个人感觉并没有，经济下行的趋势在这，整体大环境还是很冷。尤其是互联网，招的人感觉少了很多，工资待遇相比之前也降低了很多。连笛子都开始要求至少211才能进面试，还只有在深圳有研发。然后一定要海投！多投递才有机会，我如果只算线上投的，投递了大概零零散散300多家了吧。然后一定要参加学校的双选会和感兴趣的线下宣讲会。

25届SLAMer秋招复习记录

我正在参加年度博客之星评选，请大家帮我投票打分，您的每一分都是对我的支持与鼓励。

这里笔者根据这一两个月来的面试经验，写一篇导航专业技术面的回顾贴。笔者的面试过程再上一篇文章中写过，签完三方之后会发布出来。 1.简历部分 由于笔者在研究生期间主要做的是卫星导航方面的工作，包括高精度时间传递和动态定位，形变监测，偏向RTK处理算法。后期为了找工作自己学了一部分GNSS/INS松组合算法，用MATLAB仿真了一下别人提供的一些数据。其次追热度学了一点视觉SLAM，主要就是根据高...

前言 本文为楼主在学习SLAM过程中相关知识点总结，包含多视图几何、常见SLAM系统源码解析、相关数学知识、图像处理问题、机器视觉知识点、《十四讲》精品总结、基本库安装等系列。这些知识点帮助我在2020年秋招面试自动驾驶岗位过程中有了系统认知。2020年新冠疫情影响滞留在家，把之前学习的知识点做了系统总结，所有问题都有解答，并附有链接，希望可以帮助到之后寻找相关岗位的同学。 目录 一、多视图...

目录 1 SIFT和SUFT的区别 2 相似变换、仿射变换、射影变换的区别 3 Homography、Essential和Fundamental Matrix的区别 4 视差与深度的关系 5 描述PnP算法 6 闭环检测常用方法 7 给一个二值图，求最大连通域 8 梯度下降法、牛顿法、高斯-牛顿法的区别 9 推导一下卡尔曼滤波、描述下粒子滤波 10 如何求解Ax=b的问题 11 什么是极线约束 12 单目视觉SLAM中尺寸漂移是怎么产生的 13 解释SLAM中的绑架问题 14 描

此外，本文还提出了FastDrive，一个用于端到端的自动驾驶模型，在NuScenes-S数据集上取得了具有竞争力的性能，推理速度更快，参数更少。引入一个结构化的数据集，该数据集关注与驾驶决策密切相关的关键要素，从而消除冗余信息，解决自由格式文本注释中同义表达的局限性，并提高推理效率。图6展示了不同算法模型在感知、预测以及决策任务上的性能对比，实验结果可以看出，FastDrive在预测和决策规划任务上实现了最佳的性能。本文中的LLM在FastDrive算法模型中起到大脑的角色，并且选用的是Qwen2.5。

《智能网联汽车自动驾驶虚拟实训软件》不仅是一款教学工具，更是智能汽车产业人才培养的“加速器”。其支持的多车型适配、多场景仿真、多维度评估功能，正在重新定义智能汽车技术教育的边界。