技术能力

1. 熟悉多传感器融合/激光SLAM等算法，熟悉图像检测、分割算法，机器人/自动驾驶领域 10年经验。
2. 熟悉 C++/python/pytorch/OpenCV/PCL/ROS/Ceres-Solver/gtSAM/mqtt/gRPC等工具。

项目经验

小鹏汽车动态障碍物4D标注系统 负责人
需求：离线处理车端回流数据，重建障碍物（truck/car/cyclist/pedestrian）历史轨迹、尺寸、姿态，为感知模型提供大量训练数据。
方案：heavy lidar 检测模型+heavy BEV检测模型+LidarSLAM+离线3D box跟踪算法+AutoQA算法+人工校验。
业绩：完成4D标注系统开发，产能2000 clip/天，标注结果比线上模型F1高8个百分点，交付下游大量使用。获得2022年小鹏汽车精益创新奖。

盒马门店天眼摄像头标定 负责人
需求：用SLAM 机器人替代人工，标定门店天眼摄像头和CAD 地图转换关系，提升精度和施工效率，用于安防。
方案：业务方对建图和定位精度要求高，需要10cm内。调研后我选择在LeGO-LOAM算法基础上，针对应用场景做优化。研发过程中解决了Z轴漂移过大、后场回环误差大、地图增量更新、相机和机器人时间同步等问题。
业绩：
◦2万平场地，建图平均误差6.5cm，定位平均误差9.1cm，CAD 地图到图像重投影误差 2.1像素。建图时地图更新频率为 1Hz。提交 4 项专利提案。同时沉淀的SLAM技术大规模推广到了室内蓝牙定位项目。
◦完成了杭州15家盒马门店、杭州4家银泰、深圳1家银泰共2500路摄像头标定，人效提升62.5%。

明厨亮灶老鼠检测负责人
需求：明厨亮灶中的子项目，基于门店监控摄像头图像，检测出老鼠，并推送报警信息给运营团队除鼠。
方案：每张显卡需要同时检测70路以上相机，选用yolov5作为检测方案，时间和精度都能满足需求。过程中解决了多路相机实时拉流、样本数据少、在线积累样本、模型过拟合等问题。
业绩：老鼠检测的准召回率达到98.6%/95.2%。已经部署到全国83家门店使用。

高精定位产品研发
需求：研发高精定位算法，帮助百度 L3 自动驾驶车辆实现 MPI 300km 的阶段目标(2019.08)。给车厂 PoC 项目和量产项目交付符合需求的高精定位产品，提升产品市占率，为公司带来营收。
方案：
◦车规级低成本传感器方案(IMU\GNSS\车身CAN\图像检测\高精地图)，设计了基于高精地图的多传感器融合定位方案，该方案符合 ASIL-B 功能安全标准，跨平台，支持 QNX/ARM/X86 平台。
◦算法方案主要包含道路定位、车道定位、车道内精确定位、故障诊断等模块。汽车行业重视可靠性和可解释性，我们结合捷联惯导和 VINS 方案，设计了一套适合 L3 自动驾驶业务的高精定位方案。这套方案较 好地解决了 GNSS 可靠性判断、零速修正、圆锥不可交换误差、观测噪声参数自整定、利用高精地图先验提高车道线检测准确率、降低误检率等难题。
◦业界没有统一评测标准，属于业界难题。2 年时间里，通过理论推导和反复的闭环实验，设计了人工标注+高精度 INS 方案作为横向、纵向、航向、车道定位、地理围栏、高精融合车道线评测的真值。
业绩：
◦带领研发团队从 2 人发展为 20 人，两年时间里，团队有 8 人次晋升。
◦Apollo1.5 elo 模块源码贡献者，https://github.com/ApolloAuto/apollo/tree/v1.5.0/modules/elo
◦离线评测总里程超1万 km，闭环测试里程超1万 km，横向定位 2sigma 误差小于0.2m，纵向2sigma 误差小于 2.5m，航向 2sigma 误差小于 0.8°，道路定位准召率大于 99.7%/99.7%，车道定位准召率大于99.7%/99.7%。产出 4 个发明专利。
◦帮助百度 L3 自动驾驶团队实现 MPI 2046Km，远超 MPI 300Km 的阶段目标。
◦中标并顺利交付本田 PoC 项目，为公司带来 2000 万营收。

团队情况