工作職責： 1、負責基于車載單毫米波雷達和多毫米波雷達傳感器以及視覺的深度學習感知算法開發，融合雷達原始點以及視覺圖像實現目標檢測、跟蹤、語義分割、身份識別、目標分類、姿態識別等功能。 2、負責ADAS各場景下，基于毫米波雷達以及視覺的深度學習感知調研，方案制定，算法開發，模型優化和嵌入式移植、部署；主導算法在邊緣設備（RK3588、Jetson NX等）的移植與性能優化；與嵌入式同學協作，將算法移植到毫米波硬件端或邊緣計算設備，優化實時性與計算效率。 3、負責基于單/多毫米波雷達輸出的點云以及視覺圖像進行深度學習，輸出周圍環境模型(包括不限于護欄、柵欄，路沿等道路目標），目標分類識別，道路環境模型生成，多目標跟蹤，以及多雷達視覺目標融合等； 4、負責毫米波雷達視覺結合AI算法等前沿技術調研，探索創新性感知方案； 5、根據雷達視覺數據特點，建立AI算法的訓練和評價準則，建立從采集數據、訓練到部署等完備的流程； 6、負責訓練AI算法模型與傳統算法檢測性能對比評價，輸出傳統算法和AI算法的性能檢測對比報告；編寫技術文檔，參與算法測試與驗證，確保滿足產品需求和行業標準； 7、設計、開發、優化多傳感器融合算法方案；開發360°全景相機圖像拼接算法，包括特征匹配、圖像融合、畸變校正等關鍵技術；優化實時視頻拼接算法，提升在邊緣設備上的處理性能；研究多傳感器（雷達、視覺以及紅外等）標定與同步技術，解決多視角圖像配準問題。 任職需求： 1、熟悉毫米波雷達基本原理，掌握毫米波雷達常規算法（信號處理、數據處理）的基本處理流程和作用。 2、熟練掌握圖像處理基礎，熟悉常用圖像處理、機器學習、深度學習相關算法。熟悉基于點云目標分類、識別、跟蹤算法，有模型部署優化經驗； 3、熟悉掌握C/C++、Python, 至少精通一個深度學習框架 (TensorFlow、PyTorch、Caffe等)； 4、研究生及其以上學歷。擁有汽車或相關行業L2+項目經驗，3年以上工作經驗，具備較強的工程實現能力； 5、具備良好英文文獻閱讀能力，快速理解并應用新方法、新技術等，在ICCV 、ECCV 、CVPR等相關主流會議或期刊上發表論文者優先； 6、具有良好的學習和解決問題能力、溝通能力、團隊合作精神、科研精神。