一、 崗位職責
1. 算法研發與優化：
設計、開發和實現用于無人機平臺的圖像處理、計算機視覺和深度學習算法（如目標檢測、跟蹤、識別、語義分割、實例分割、圖像配準、三維重建、SLAM、圖像增強、去噪、超分辨率等）。
針對無人機特定的挑戰（如運動模糊、光照變化、小目標、復雜背景、實時性要求、計算資源受限）優化算法性能和魯棒性。
探索和研究前沿的計算機視覺和機器學習技術，評估其在無人機應用中的可行性。
2. 數據處理與標注：
構建和管理無人機采集的圖像/視頻數據集。
設計或參與數據標注規范，指導或進行數據標注工作。
開發數據預處理、增強和清洗流程，提升數據質量。
3. 嵌入式平臺部署與優化：
關鍵職責： 將訓練好的算法模型部署到無人機搭載的嵌入式計算平臺（如NVIDIA Jetson, Qualcomm Snapdragon, HiSilicon, Rockchip等）。
進行模型壓縮（剪枝、量化、知識蒸餾等）、加速（利用硬件加速器如GPU/NPU/TPU）和優化，以滿足機載計算的實時性、功耗和內存限制。
解決嵌入式平臺上的性能瓶頸和兼容性問題。
4. 系統集成與調試：
與嵌入式軟件工程師、飛控工程師合作，將圖像算法模塊集成到無人機整體系統中。
進行地面和飛行測試，分析算法在實際飛行環境中的表現，定位并解決相關問題。
開發必要的調試工具和可視化界面。
5. 仿真與驗證：
利用仿真環境（如Gazebo, AirSim等）測試和驗證算法在虛擬無人機場景中的有效性。
設計測試用例和評估指標，量化算法性能。
6. 文檔編寫與技術支持：
撰寫詳細的技術文檔，包括算法設計文檔、接口文檔、測試報告、用戶手冊等。
為產品、測試、銷售等部門提供必要的技術支持。
7. 應用場景落地：
理解具體業務需求（如電力巡檢、測繪建模、農業監測、安防監控、物流配送、災害救援等），將算法能力轉化為實際應用功能。
二、 任職資格
1. 教育背景：
通常要求計算機科學、電子工程、自動化、數學、測繪遙感、人工智能等相關專業的碩士及以上學歷。特別優秀的本科生也可能被考慮。
2. 核心技能：
扎實的編程基礎： 精通 Python 和 C++。
計算機視覺基礎： 深入理解圖像處理、計算機視覺的基本理論和算法（特征提取、相機模型、幾何變換、多視圖幾何、濾波、光流等）。
深度學習框架： 熟練掌握至少一種主流深度學習框架（PyTorch, TensorFlow, Keras, MXNet 等），熟悉常用CV模型架構（CNN, R-CNN, YOLO, SSD, Transformer等）。
開源庫： 精通 OpenCV，熟悉其他相關庫（如PCL-點云庫， PIL/Pillow, Scikit-image, NumPy, SciPy等）。
3. 關鍵經驗與能力：
模型部署與優化經驗： 必須具備將深度學習模型部署到嵌入式/邊緣設備的經驗，熟悉模型壓縮、量化和加速技術（TensorRT, OpenVINO, ONNX Runtime, TFLite, NCNN等）。這是區分無人機圖像算法工程師和其他CV工程師的關鍵點。
算法工程化能力： 能夠將研究性算法轉化為穩定、高效、可維護的產品級代碼。
問題分析與解決能力： 優秀的邏輯思維能力，能獨立分析、定位和解決復雜的技術問題（尤其是在實際飛行場景中出現的問題）。
數學基礎： 良好的線性代數、概率論與數理統計、微積分、優化理論基礎。
4. 優先考慮的技能/經驗：
無人機相關知識： 了解無人機系統架構、飛控原理、導航、通信鏈路、傳感器（可見光相機、紅外相機、多光譜/高光譜相機、激光雷達、IMU、GNSS等）特性及其數據融合。
特定算法經驗： 在以下一個或多個方向有實際項目經驗：
目標檢測/跟蹤/識別（尤其是小目標、低空復雜場景）
語義/實例分割
視覺SLAM/VIO
三維重建（SFM, MVS）
圖像拼接與鑲嵌
變化檢測
超分辨率/圖像增強
多傳感器融合（視覺+IMU, 視覺+LiDAR等）
CUDA編程： 熟悉CUDA編程，能進行GPU層面的優化。
并行計算： 了解多線程、并行計算技術。
特定應用領域知識： 如測繪、農業、電力、安防等行業背景知識。
ROS/ROS2： 有在ROS/ROS2環境下開發的經驗。
仿真經驗： 有使用無人機仿真平臺的經驗。
5. 軟技能：
溝通協作能力： 能夠清晰表達技術方案，與不同背景的團隊成員（硬件、軟件、飛控、測試、產品）有效協作。
學習能力： 具備快速學習新技術、新知識的能力，緊跟領域發展。
責任心與抗壓能力： 對工作負責，能承受一定的項目壓力。
動手能力： 愿意參與實際的測試和調試工作。