一、 岗位职责
1. 算法研发与优化：
设计、开发和实现用于无人机平台的图像处理、计算机视觉和深度学习算法（如目标检测、跟踪、识别、语义分割、实例分割、图像配准、三维重建、SLAM、图像增强、去噪、超分辨率等）。
针对无人机特定的挑战（如运动模糊、光照变化、小目标、复杂背景、实时性要求、计算资源受限）优化算法性能和鲁棒性。
探索和研究前沿的计算机视觉和机器学习技术，评估其在无人机应用中的可行性。
2. 数据处理与标注：
构建和管理无人机采集的图像/视频数据集。
设计或参与数据标注规范，指导或进行数据标注工作。
开发数据预处理、增强和清洗流程，提升数据质量。
3. 嵌入式平台部署与优化：
关键职责： 将训练好的算法模型部署到无人机搭载的嵌入式计算平台（如NVIDIA Jetson, Qualcomm Snapdragon, HiSilicon, Rockchip等）。
进行模型压缩（剪枝、量化、知识蒸馏等）、加速（利用硬件加速器如GPU/NPU/TPU）和优化，以满足机载计算的实时性、功耗和内存限制。
解决嵌入式平台上的性能瓶颈和兼容性问题。
4. 系统集成与调试：
与嵌入式软件工程师、飞控工程师合作，将图像算法模块集成到无人机整体系统中。
进行地面和飞行测试，分析算法在实际飞行环境中的表现，定位并解决相关问题。
开发必要的调试工具和可视化界面。
5. 仿真与验证：
利用仿真环境（如Gazebo, AirSim等）测试和验证算法在虚拟无人机场景中的有效性。
设计测试用例和评估指标，量化算法性能。
6. 文档编写与技术支持：
撰写详细的技术文档，包括算法设计文档、接口文档、测试报告、用户手册等。
为产品、测试、销售等部门提供必要的技术支持。
7. 应用场景落地：
理解具体业务需求（如电力巡检、测绘建模、农业监测、安防监控、物流配送、灾害救援等），将算法能力转化为实际应用功能。
二、 任职资格
1. 教育背景：
通常要求计算机科学、电子工程、自动化、数学、测绘遥感、人工智能等相关专业的硕士及以上学历。特别优秀的本科生也可能被考虑。
2. 核心技能：
扎实的编程基础： 精通 Python 和 C++。
计算机视觉基础： 深入理解图像处理、计算机视觉的基本理论和算法（特征提取、相机模型、几何变换、多视图几何、滤波、光流等）。
深度学习框架： 熟练掌握至少一种主流深度学习框架（PyTorch, TensorFlow, Keras, MXNet 等），熟悉常用CV模型架构（CNN, R-CNN, YOLO, SSD, Transformer等）。
开源库： 精通 OpenCV，熟悉其他相关库（如PCL-点云库， PIL/Pillow, Scikit-image, NumPy, SciPy等）。
3. 关键经验与能力：
模型部署与优化经验： 必须具备将深度学习模型部署到嵌入式/边缘设备的经验，熟悉模型压缩、量化和加速技术（TensorRT, OpenVINO, ONNX Runtime, TFLite, NCNN等）。这是区分无人机图像算法工程师和其他CV工程师的关键点。
算法工程化能力： 能够将研究性算法转化为稳定、高效、可维护的产品级代码。
问题分析与解决能力： 优秀的逻辑思维能力，能独立分析、定位和解决复杂的技术问题（尤其是在实际飞行场景中出现的问题）。
数学基础： 良好的线性代数、概率论与数理统计、微积分、优化理论基础。
4. 优先考虑的技能/经验：
无人机相关知识： 了解无人机系统架构、飞控原理、导航、通信链路、传感器（可见光相机、红外相机、多光谱/高光谱相机、激光雷达、IMU、GNSS等）特性及其数据融合。
特定算法经验： 在以下一个或多个方向有实际项目经验：
目标检测/跟踪/识别（尤其是小目标、低空复杂场景）
语义/实例分割
视觉SLAM/VIO
三维重建（SFM, MVS）
图像拼接与镶嵌
变化检测
超分辨率/图像增强
多传感器融合（视觉+IMU, 视觉+LiDAR等）
CUDA编程： 熟悉CUDA编程，能进行GPU层面的优化。
并行计算： 了解多线程、并行计算技术。
特定应用领域知识： 如测绘、农业、电力、安防等行业背景知识。
ROS/ROS2： 有在ROS/ROS2环境下开发的经验。
仿真经验： 有使用无人机仿真平台的经验。
5. 软技能：
沟通协作能力： 能够清晰表达技术方案，与不同背景的团队成员（硬件、软件、飞控、测试、产品）有效协作。
学习能力： 具备快速学习新技术、新知识的能力，紧跟领域发展。
责任心与抗压能力： 对工作负责，能承受一定的项目压力。
动手能力： 愿意参与实际的测试和调试工作。