史上超全自动驾驶岗位介绍

本文经自动驾驶之心公众号授权转载，转载请联系出处。

1.背景

近日分享如何高新转型到自动驾驶领域时，几位朋友不约而同的问到了我同一个问题：“L2~L4自动驾驶的岗位都有哪些？对应着具体的什么工作内容？需要哪方面的技能？”今天就针对这个大家都很想了解的话题做个分享。

首先介绍下自动驾驶的系统框图（简化版）让大家对自动驾驶有个全局的概念

接下来，我们分为两大类进行介绍：算法工程师和非算法类工程师。
算法工程师

激光SLAM算法工程师
视觉SLAM算法工程师
多传感器融合算法工程师
机器学习算法工程师
计算机视觉算法工程师
自然语言处理算法工程师
决策算法工程师
规划算法工程师
控制算法工程师

非算法类工程师

软件平台开发工程师
系统工程师
功能安全工程师
标定工程师
仿真环境工程师
测试工程师
数据工程师
UI开发工程师

下面详细介绍每个岗位的工作职责和需要学习的内容

2.算法工程师

2.1.激光SLAM算法工程师

岗位介绍：
采集激光传感器数据，根据点云数据对自动驾驶车辆的周围环境进行地图构建。
负责实现基于激光传感器的SLAM算法设计和开发，能够覆盖各种复杂场景的高精度地图更新和制作。
技能要求：
使用c、c++编程；
需要有滤波算法知识：ESKF、EKF、UKF等；
同时需要学习G2O、ceres等用来优化非线性误差函数的c++框架。
熟悉开源SLAM框架，如GLoam、kimera、VINS等优先；

2.2.视觉SLAM算法工程师

岗位介绍：
以VSLAM为基础，研发机器人自主导航定位算法，包括基于激光雷达、陀螺仪、里程计、视觉等多信息融合，构建机器人运动模型
技能要求：
学习常用的VSLAM算法，如ORB-SLAM、SVO、DSO、MonoSLAM，VINS以及RGB-D等；
ROS机器人操作系统；
需要有滤波算法知识：ESKF、EKF、UKF等；
同时需要学习G2O、ceres等用来优化非线性误差函数的c++框架。

2.3.多传感器融合算法工程师

岗位介绍：
将相机、激光雷达、毫米波雷达等多传感器的信息处理和融合，提高自主驾驶车的环境感知能力；
负责基于多源信息融合的目标检测、跟踪、识别与定位；
负责基于多源信息融合的环境特征抽取，为地图构建提供支持；为基于基于多源信息融合的导航定位提供支持。
技能要求：
掌握camera、毫米波雷达、激光雷达、惯性导航等相关数据解析融合算法；
计算机信息科学、电子工程或数学相关专业本科及以上学历，具备扎实的计算机理论基础
精度相机模型、多视觉几何、Bundle Adjustment 原理，有SfM、几何测距等项目经验
精通C/C++，熟悉Matlab，良好的面向对象编程思想和编码习惯
熟悉IMU、GPS、DR等惯导定位算法框架
熟悉IMU、GPS、车身系统原理、硬件特性、标定算法

2.4.机器学习算法工程师

岗位介绍：
该方向主要负责车辆行驶过程中产生的数据在工程上的应用，偏向于数据分析方向，如车辆行驶里程的影响分析、大数据分析建模等等。
技能要求：
Python，C/C++
学习机器学习的基础理论算法，如 LR、GBDT、SVM、DNN等等；
学习scikit-learn 等传统机器学习框架的模型训练；
熟悉 PyTorch、TensorFlow等深度学习框架（偏神经网络部分）等等。

2.5.计算机视觉算法工程师

岗位介绍：
该方向主要基于摄像头传感器，主要包括：车道线检测、车辆等障碍物检测、可行驶区域检测、红绿灯等交通信息检测等等。
技能要求：
C/C++，Python，OpenCV；
需要机器学习的基本算法 ( 降维、分类、回归等 )；
需要学习深度学习，深度学习框架；
学习计算机视觉和图像处理的常用方法 ( 物体检测、跟踪、分割、分类识别等 ) 。

2.6.自然语言处理算法工程师

岗位介绍：
该方向主要负责车载场景下的语音识别，语音交互设计等等
技能要求：
学习机器学习算法、深度学习算法（RNN）；
自然语言处理基本任务（分词、词性标注、句法分析、关键字抽取）
需要使用机器学习方法聚类、分类、回归、排序等模型解决文本业务问题；
熟悉 PyTorch、TensorFlow等深度学习框架（偏RNN部分）等等。

2.7.决策算法工程师

岗位介绍：
自动驾驶的决策是将感知模块传递的信息，转化成车辆的行为，达到驾驶的目标。例如，汽车加速、减速、左转、右转、换道、超车都是决策模块的输出。决策需要考虑到汽车的安全性和舒适性，保证乘客的安全的情况下，尽快到达目标地点。
技能要求：
c/c++/python，熟悉ROS系统；
学习常用的决策算法，如决策状态机、决策树、马尔可夫决策过程，POMDP等；
如果往深里学的话，需要熟悉机器学习算法（RNN、LSTM、RL），掌握至少一种深度学习框架（比如gym或者universe等深度强化学习平台）；
熟悉车辆运动学和动力学模型。

2.8.规划算法工程师

岗位介绍：
规划包括路径规划和速度规划
规划算法中，自动驾驶车辆首先通过路径规划确定车辆可行驶的路径，然后选择该路径确定可行驶的速度。
技能要求：
c/c++/python，ROS机器人操作系统；（有些公司是用Matlab/simulink开发的）
学习常见路径规划算法，例如A、D、RRT等；
学习一些曲线的表示方法，如：五次曲线、回旋线、三次样条曲线、B样条曲线等；
如果往深里学的话；学习轨迹预测算法，如MDP、POMDP、Came Theory等；
学习深度学习和强化学习技术也是加分项，例如RNN、LSTM、Deep Q-Learning等；
有数学理论基础和背景，熟悉车辆运动学和动力学模型。

2.9.控制算法工程师

岗位介绍：
一般是对车辆横纵向动力学建模，然后开发控制算法，实现车辆运动控制等；
这个岗位跟车辆打交道较多，对于传统车厂转型到自动驾驶领域的伙伴来说，是个很好的切入机会。
技能要求：
C/C++、Matlab/Simulink
学习自动控制理论基础，学习现代控制理论；
学习PID、LQR、MPC算法；
学习车辆运动学、动力学模型，对汽车的底盘有一定了解；
学习CarSim等仿真软件；
学习ACC、AEB、APA、LKA、LCC等辅助驾驶功能开发的是加分项；
拥有实车调试经验也是加分项。

3.非算法类工程师

3.1.软件平台开发工程师

岗位介绍：
设计和实现自动驾驶软件平台，包括内核修改/扩展、驱动程序实现/增强、中间件实现/增强、系统集成、性能/功耗优化、压力/稳定性/符合性测试；
负责搭建系统架构、编写底层驱动程序；
负责视觉相关算法在嵌入式处理器（GPU、DSP、ARM等平台）上的代码实现及性能优化、测试和维护；
协助算法工程师完成算法在嵌入平台上的移植、集成、测试和优化。
技能要求：
C/C++编程技巧、Python；
具有嵌入式操作系统和实时操作系统的内核或驱动开发经验，熟悉QNX、ROS；
熟悉软件调试和debug工具；
了解车辆ADAS ECU和传感器，如雷达、摄像头、超声波和激光雷达；
熟悉通用诊断服务（UDS）、控制器局域网（CAN）；
熟悉通信协议（CAN、UDS、DoIP、SOME/IP、DDS、MQTT、REST等）是加分项。

3.2.系统工程师

岗位介绍：
负责客户需求对接，以及与内部开发人员的需求释放；
负责无人驾驶软件系统框架构建；
负责模块化、可验证的系统软件架构设计和实时性能优化；
与硬件、算法和测试团队合作，集成并优化自动驾驶系统。
技能要求：
拥有扎实的计算机基础理论知识（如：自动控制、模式识别、机器学习、计算机视觉、点云处理）；
具有嵌入式操作系统和实时操作系统的内核或驱动开发经验；
具备很好的沟通表达能力和团队合作意识

3.3.功能安全工程师

岗位介绍：
在产品全生命周期内对产品的功能安全进行支持
负责无人/自动驾驶系统产品的功能安全系统设计,并对现有流程提出改进意见;
负责无人/自动驾驶系统的危险分析(HARA, FMEAs, FMEDA, FTA）;
负责无人/自动驾驶系统的安全目标定义;
负责无人/自动驾驶系统的安全需求定义;
技能要求：
精通ISO26262并有自动驾驶或者ADAS系统功能安全项目实施经验；（在传统车厂做功能安全想要转行的也可以考虑）；
了解FMEA，FMEDA，FMEA-MSR，FTA等相应的方法；

3.4标定工程师

岗位介绍：
负责自动驾驶多传感器标定，包括GPS、IMU、LiDAR、Camera、Radar 和 USS 等；
设计实现传感器内参外参标定算法，搭建多传感器标定系统；
负责对标定参数进行相关车辆测试，给出测试报告。
技能要求：
C++编程, 熟悉 Linux及ROS系统；
有传感器标定工作经历，熟悉视觉或激光 SLAM 算法；

3.5仿真环境工程师

岗位介绍：
该方向需要参与自动驾驶相关仿真系统的搭建，包括车辆动力学相关仿真，各类虚拟传感器模型和虚拟场景的建模与仿真，根据测试案例搭建测试场景，执行自动驾驶算法仿真测试等等；
负责搭建无人驾驶模拟系统，对汽车、传感器、环境进行软件模拟。模拟结果将与真实数据一同用于预测汽车在真实场景中的行为；
配合驾驶决策、路径规划、仿真算法等模块，实现自动驾驶闭环仿真，并可视化相关调试信息。
技能要求：
MATLAB/simulink、Python/C++
熟练操作一种常用车辆动力学或无人车相关仿真软件，比如Perscan、Carsim、Carmaker等；
熟悉机器人操作系统ROS等；
有的仿真岗位纯属于做仿真，但有的岗位需要做仿真环境的开发，这样的岗位对编程要求会更高一些。

3.6测试工程师

岗位介绍：
该方向主要负责自动驾驶车辆的相关测试工作，测试自动驾驶系统功能各项指标的性能，评估其边界条件和失效模式；
负责自动化测试（SIL、HIL）的设计实现及智能驾驶产品的相关验证；
负责根据系统或产品的功能需求制定测试用例和测试计划；
负责制定完整的系统或产品的测试计划并实施，最后撰写测试报告；
收集和测试系统的边界样例，对智能驾驶系统的安全性进行评估，对技术提出合理的反馈。
技能要求：
熟悉Ubuntu/Linux操作系统，会写python脚本
熟悉CAN总线；
熟悉测试用例的编写方法和技巧；
熟悉图像识别算法，熟悉深度学习，掌握spark等大数据相关工具者加分；
熟悉激光雷达，毫米波雷达，超声波探头和摄像头的应用是加分项。

3.7大数据开发工程师

岗位介绍：
数据包括后台数据架构和前台呈现。一辆自动驾驶车每天都要生成1个T的数据量。数据该怎样快速清洗、提炼、总结，比如怎样迅速找出一次路测中最重要的几次介入（disengagements）。从而更高效的帮助工程师测试。
负责自动驾驶大数据平台系统的设计、开发和优化；
负责自动驾驶数据标注与处理流程的可视化工具开发，自动化标注平台的设计与研发。
技能要求：
具备扎实的数据结构及算法功底；
精通Java/Python/C++等至少一门高级编程语言；
熟悉Linux开发环境；
有基于SQL或No-SQL数据库的应用程序的设计、开发经验；
熟悉REST服务及Web标准，熟悉一种主流前端开发框架，如React/AngularJS，能独立构建前端应用者加分；
熟悉自动驾驶及相关的Lidar、Camera等传感器数据者加分。

3.8UI开发工程师

岗位介绍：
每个公司都需要搭建内部工具，用于验证整车开发。也需要给远程控制中心做各种交互页面，通过一个UI远程控制自动驾驶车。同时也包括车厢内为乘客准备的UI。喜欢设计或者擅长前端的朋友可以考虑。
技能要求：
具有优秀的审美和丰富的视觉表现力；
精通色彩、图形、信息和GUI设计原则及方法。

4.结尾

最后，国家政策正在大力推广新能源智能化汽车，希望越来越多的伙伴一起加入到自动驾驶行业。

原文链接：https://mp.weixin.qq.com/s/d41a5VYtJ4lvMP3GO6In_g