主分类：机器人与自动驾驶算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "高德-机器人视觉重建与重定位算法工程师-视觉技术中心",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、自动化、机器人、电子信息、测绘、应用数学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在寻找一位优秀的机器人视觉重建与重定位算法专家。您将负责构建机器人（包括轮式、四足、双足/人形等）对真实世界的三维感知、场景重建与高精度视觉定位能力。在这个岗位上，您将结合多视图几何、视觉 SLAM、三维重建等经典方法与前馈式三维重建、学习型特征匹配、神经场景表征等前沿技术，攻克机器人在动态环境、弱纹理、光照变化、重复结构及长期环境变化条件下的建图与定位难题。\n核心职责：\n1.视觉三维重建：负责基于多目、鱼眼、全景等相机的三维重建算法研发，包括位姿估计、深度估计、点云融合、表面重建等。\n2.视觉重定位：负责基于先验地图的重定位算法，熟悉传统特征匹配、PnP的几何方法，同时研发端到端视觉重定位模型，包括图像到6DoF位姿回归、场景坐标回归及前馈式相对位姿估计，提升动态、弱纹理等3.复杂场景下的定位精度\n4.图像检索：负责视觉地标识别与图像检索模型研发，提升跨视角、光照变化和动态环境变化下的图像检索召回、精度与效率。\n5.地图构建与维护：负责稀疏/稠密地图、点云、语义场景地图的构建、压缩、质量评估与增量更新，支撑机器人长期稳定运行。\n6.工程落地与评测：负责算法在 NVIDIA Jetson、Orin、ARM 等平台上的部署和性能优化；建立自动化评测体系，持续优化重建质量、定位成功率、位姿精度、运行延迟及资源占用。\n7.前沿技术探索：跟踪视觉 SLAM、前馈式三维重建、视觉定位、多模态场景图构建等技术进展，并推动其在机器人产品中的应用。",
"requirements_text": "专业背景\n1.计算机、人工智能、自动化、机器人、电子信息、测绘、应用数学等相关专业硕士及以上学历；\n2.熟悉相机成像模型、坐标系变换、对极几何、三角化、PnP、Bundle Adjustment 等基础理论；\n3.扎实掌握计算机视觉、多视图几何、机器人学等基础知识；\n4.熟悉 Linux 开发环境，具备良好的 C++ 与 Python 开发能力；\n5.熟悉 ROS/ROS2 开发框架，具备良好的代码规范与工程化能力。\n➢ 算法能力要求\n● 具备以下方向中至少两项实际研发经验：\n端到端视觉重定位：掌握位姿回归、场景坐标回归、前馈式相对位姿估计，理解位姿表示与损失函数、尺度恢复、置信度评估及跨场景泛化；\n视觉三维重建：熟悉 SfM、MVS、视觉 SLAM 或学习型三维重建，理解多目/鱼眼相机模型、深度与位姿联合估计、点云配准与融合；\n图像检索：熟悉全局/局部特征、对比学习、粗排与精排、几何验证及难负样本挖掘，具备跨视角、跨光照或长期变化场景的优化经验。\n● 深入理解多视图几何和非线性优化，具备将几何约束融入模型训练、位姿估计或后处理流程的能力；\n● 熟练使用 PyTorch，熟悉Transformer、多模态模型等深度学习框架，能够独立完成数据构建、模型训练与微调、实验设计及失败案例分析；\n● 熟悉视觉算法评测方法，能够围绕位姿误差、定位成功率、Recall@K、重建精度等指标建立评测体系。\n➢ 编程及工程能力\n具备至少一项与机器人视觉重建或重定位相关的完整项目经验，包括但不限于视觉 SLAM 系统、三维重建系统、视觉地点识别系统、基于先验地图的重定位系统或视觉融合定位系统；\n熟练掌握 C++ 和 Python，具备良好的算法实现、代码架构及性能优化能力；\n熟悉 Linux、ROS/ROS2、Git、CMake、Docker 等开发环境与工具，以及常用视觉、点云和优化库；\n具备算法在真实机器人或嵌入式平台上的部署、调试和优化经验。\n加分项\n● 全栈设计能力：熟悉从相机与传感器标定、视觉前端、位姿估计、后端优化、地图构建、全局重定位到嵌入式部署的完整链路，能够独立设计并实现机器人视觉重建与重定位系统。\n● 前沿算法落地：具有VPS、前馈式三维重建、3D Gaussian Splatting、语义地图等方向的研究及工程落地经验。\n● 大规模地图经验：具有大规模场景建图、地图压缩与切片、云端建图、地图增量更新或融合定位系统开发经验。\n● 多平台落地经验：对轮式机器人、四足机器人、人形机器人、无人机、自动驾驶或 AR/VR 设备中的一种或多种平台有实际落地经验；有机器人产品量产及大规模部署经验者优先。\n● 性能优化经验：熟悉 CUDA、TensorRT、OpenMP、多线程或异构计算，具备端侧实时视觉算法优化经验。\n● 学术与竞赛：在机器人、SLAM、三维视觉、计算机视觉领域顶会/顶刊（如 ICRA、IROS、RSS、TRO、CVPR、ICCV、ECCV 等）发表过高水平论文，或在相关国际挑战赛中获得优异成绩。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"Docker",
"PyTorch",
"CUDA",
"深度学习",
"计算机视觉",
"模型训练",
"性能优化",
"嵌入式"
],
"preferred_qualifications": "加分项；有机器人产品量产及大规模部署经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.amap.com/off-campus/position-detail?positionId=100039100004"
}
]
},
"posting": {
"posting_id": "100039100004",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.amap.com/off-campus/position-detail?positionId=100039100004"
},
"fulltext": "高德-机器人视觉重建与重定位算法工程师-视觉技术中心\n高德-机器人视觉重建与重定位算法工程师-视觉技术中心\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京\n\n职位描述\n我们正在寻找一位优秀的机器人视觉重建与重定位算法专家。您将负责构建机器人（包括轮式、四足、双足/人形等）对真实世界的三维感知、场景重建与高精度视觉定位能力。在这个岗位上，您将结合多视图几何、视觉 SLAM、三维重建等经典方法与前馈式三维重建、学习型特征匹配、神经场景表征等前沿技术，攻克机器人在动态环境、弱纹理、光照变化、重复结构及长期环境变化条件下的建图与定位难题。\n核心职责：\n1.视觉三维重建：负责基于多目、鱼眼、全景等相机的三维重建算法研发，包括位姿估计、深度估计、点云融合、表面重建等。\n2.视觉重定位：负责基于先验地图的重定位算法，熟悉传统特征匹配、PnP的几何方法，同时研发端到端视觉重定位模型，包括图像到6DoF位姿回归、场景坐标回归及前馈式相对位姿估计，提升动态、弱纹理等3.复杂场景下的定位精度\n4.图像检索：负责视觉地标识别与图像检索模型研发，提升跨视角、光照变化和动态环境变化下的图像检索召回、精度与效率。\n5.地图构建与维护：负责稀疏/稠密地图、点云、语义场景地图的构建、压缩、质量评估与增量更新，支撑机器人长期稳定运行。\n6.工程落地与评测：负责算法在 NVIDIA Jetson、Orin、ARM 等平台上的部署和性能优化；建立自动化评测体系，持续优化重建质量、定位成功率、位姿精度、运行延迟及资源占用。\n7.前沿技术探索：跟踪视觉 SLAM、前馈式三维重建、视觉定位、多模态场景图构建等技术进展，并推动其在机器人产品中的应用。\n\n职位要求\n专业背景\n1.计算机、人工智能、自动化、机器人、电子信息、测绘、应用数学等相关专业硕士及以上学历；\n2.熟悉相机成像模型、坐标系变换、对极几何、三角化、PnP、Bundle Adjustment 等基础理论；\n3.扎实掌握计算机视觉、多视图几何、机器人学等基础知识；\n4.熟悉 Linux 开发环境，具备良好的 C++ 与 Python 开发能力；\n5.熟悉 ROS/ROS2 开发框架，具备良好的代码规范与工程化能力。\n➢ 算法能力要求\n● 具备以下方向中至少两项实际研发经验：\n端到端视觉重定位：掌握位姿回归、场景坐标回归、前馈式相对位姿估计，理解位姿表示与损失函数、尺度恢复、置信度评估及跨场景泛化；\n视觉三维重建：熟悉 SfM、MVS、视觉 SLAM 或学习型三维重建，理解多目/鱼眼相机模型、深度与位姿联合估计、点云配准与融合；\n图像检索：熟悉全局/局部特征、对比学习、粗排与精排、几何验证及难负样本挖掘，具备跨视角、跨光照或长期变化场景的优化经验。\n● 深入理解多视图几何和非线性优化，具备将几何约束融入模型训练、位姿估计或后处理流程的能力；\n● 熟练使用 PyTorch，熟悉Transformer、多模态模型等深度学习框架，能够独立完成数据构建、模型训练与微调、实验设计及失败案例分析；\n● 熟悉视觉算法评测方法，能够围绕位姿误差、定位成功率、Recall@K、重建精度等指标建立评测体系。\n➢ 编程及工程能力\n具备至少一项与机器人视觉重建或重定位相关的完整项目经验，包括但不限于视觉 SLAM 系统、三维重建系统、视觉地点识别系统、基于先验地图的重定位系统或视觉融合定位系统；\n熟练掌握 C++ 和 Python，具备良好的算法实现、代码架构及性能优化能力；\n熟悉 Linux、ROS/ROS2、Git、CMake、Docker 等开发环境与工具，以及常用视觉、点云和优化库；\n具备算法在真实机器人或嵌入式平台上的部署、调试和优化经验。\n加分项\n● 全栈设计能力：熟悉从相机与传感器标定、视觉前端、位姿估计、后端优化、地图构建、全局重定位到嵌入式部署的完整链路，能够独立设计并实现机器人视觉重建与重定位系统。\n● 前沿算法落地：具有VPS、前馈式三维重建、3D Gaussian Splatting、语义地图等方向的研究及工程落地经验。\n● 大规模地图经验：具有大规模场景建图、地图压缩与切片、云端建图、地图增量更新或融合定位系统开发经验。\n● 多平台落地经验：对轮式机器人、四足机器人、人形机器人、无人机、自动驾驶或 AR/VR 设备中的一种或多种平台有实际落地经验；有机器人产品量产及大规模部署经验者优先。\n● 性能优化经验：熟悉 CUDA、TensorRT、OpenMP、多线程或异构计算，具备端侧实时视觉算法优化经验。\n● 学术与竞赛：在机器人、SLAM、三维视觉、计算机视觉领域顶会/顶刊（如 ICRA、IROS、RSS、TRO、CVPR、ICCV、ECCV 等）发表过高水平论文，或在相关国际挑战赛中获得优异成绩。\n我们正在寻找一位优秀的机器人视觉重建与重定位算法专家。您将负责构建机器人（包括轮式、四足、双足/人形等）对真实世界的三维感知、场景重建与高精度视觉定位能力。在这个岗位上，您将结合多视图几何、视觉 SLAM、三维重建等经典方法与前馈式三维重建、学习型特征匹配、神经场景表征等前沿技术，攻克机器人在动态环境、弱纹理、光照变化、重复结构及长期环境变化条件下的建图与定位难题。\n核心职责：\n1.视觉三维重建：负责基于多目、鱼眼、全景等相机的三维重建算法研发，包括位姿估计、深度估计、点云融合、表面重建等。\n2.视觉重定位：负责基于先验地图的重定位算法，熟悉传统特征匹配、PnP的几何方法，同时研发端到端视觉重定位模型，包括图像到6DoF位姿回归、场景坐标回归及前馈式相对位姿估计，提升动态、弱纹理等3.复杂场景下的定位精度\n4.图像检索：负责视觉地标识别与图像检索模型研发，提升跨视角、光照变化和动态环境变化下的图像检索召回、精度与效率。\n5.地图构建与维护：负责稀疏/稠密地图、点云、语义场景地图的构建、压缩、质量评估与增量更新，支撑机器人长期稳定运行。\n6.工程落地与评测：负责算法在 NVIDIA Jetson、Orin、ARM 等平台上的部署和性能优化；建立自动化评测体系，持续优化重建质量、定位成功率、位姿精度、运行延迟及资源占用。\n7.前沿技术探索：跟踪视觉 SLAM、前馈式三维重建、视觉定位、多模态场景图构建等技术进展，并推动其在机器人产品中的应用。\n专业背景\n1.计算机、人工智能、自动化、机器人、电子信息、测绘、应用数学等相关专业硕士及以上学历；\n2.熟悉相机成像模型、坐标系变换、对极几何、三角化、PnP、Bundle Adjustment 等基础理论；\n3.扎实掌握计算机视觉、多视图几何、机器人学等基础知识；\n4.熟悉 Linux 开发环境，具备良好的 C++ 与 Python 开发能力；\n5.熟悉 ROS/ROS2 开发框架，具备良好的代码规范与工程化能力。\n➢ 算法能力要求\n● 具备以下方向中至少两项实际研发经验：\n端到端视觉重定位：掌握位姿回归、场景坐标回归、前馈式相对位姿估计，理解位姿表示与损失函数、尺度恢复、置信度评估及跨场景泛化；\n视觉三维重建：熟悉 SfM、MVS、视觉 SLAM 或学习型三维重建，理解多目/鱼眼相机模型、深度与位姿联合估计、点云配准与融合；\n图像检索：熟悉全局/局部特征、对比学习、粗排与精排、几何验证及难负样本挖掘，具备跨视角、跨光照或长期变化场景的优化经验。\n● 深入理解多视图几何和非线性优化，具备将几何约束融入模型训练、位姿估计或后处理流程的能力；\n● 熟练使用 PyTorch，熟悉Transformer、多模态模型等深度学习框架，能够独立完成数据构建、模型训练与微调、实验设计及失败案例分析；\n● 熟悉视觉算法评测方法，能够围绕位姿误差、定位成功率、Recall@K、重建精度等指标建立评测体系。\n➢ 编程及工程能力\n具备至少一项与机器人视觉重建或重定位相关的完整项目经验，包括但不限于视觉 SLAM 系统、三维重建系统、视觉地点识别系统、基于先验地图的重定位系统或视觉融合定位系统；\n熟练掌握 C++ 和 Python，具备良好的算法实现、代码架构及性能优化能力；\n熟悉 Linux、ROS/ROS2、Git、CMake、Docker 等开发环境与工具，以及常用视觉、点云和优化库；\n具备算法在真实机器人或嵌入式平台上的部署、调试和优化经验。\n加分项\n● 全栈设计能力：熟悉从相机与传感器标定、视觉前端、位姿估计、后端优化、地图构建、全局重定位到嵌入式部署的完整链路，能够独立设计并实现机器人视觉重建与重定位系统。\n● 前沿算法落地：具有VPS、前馈式三维重建、3D Gaussian Splatting、语义地图等方向的研究及工程落地经验。\n● 大规模地图经验：具有大规模场景建图、地图压缩与切片、云端建图、地图增量更新或融合定位系统开发经验。\n● 多平台落地经验：对轮式机器人、四足机器人、人形机器人、无人机、自动驾驶或 AR/VR 设备中的一种或多种平台有实际落地经验；有机器人产品量产及大规模部署经验者优先。\n● 性能优化经验：熟悉 CUDA、TensorRT、OpenMP、多线程或异构计算，具备端侧实时视觉算法优化经验。\n● 学术与竞赛：在机器人、SLAM、三维视觉、计算机视觉领域顶会/顶刊（如 ICRA、IROS、RSS、TRO、CVPR、ICCV、ECCV 等）发表过高水平论文，或在相关国际挑战赛中获得优异成绩。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}