《智能驾驶算法工程师简历模板》
一、个人信息
姓名：张明
性别：男
年龄：28岁
联系电话：+86-138-XXXX-XXXX
电子邮箱：zhangming@example.com
求职意向：智能驾驶算法工程师
期望薪资：25K-35K/月
工作地点：北京/上海/深圳
二、教育背景
2015.09-2019.06 清华大学 车辆工程 博士
主修课程：智能车辆控制、机器学习与模式识别、自动驾驶系统设计、传感器融合技术
博士论文：《基于深度学习的多传感器融合定位算法研究》
2011.09-2015.06 同济大学 车辆工程 本科
GPA：3.8/4.0（专业前5%）
获奖情况：国家奖学金（2014）、全国大学生智能汽车竞赛一等奖（2013）
三、专业技能
1. 编程语言：Python（精通）、C++（熟练）、MATLAB（熟练）
2. 深度学习框架：TensorFlow、PyTorch、Keras
3. 计算机视觉：OpenCV、YOLO系列、SSD、Faster R-CNN
4. 传感器融合：卡尔曼滤波、扩展卡尔曼滤波、粒子滤波
5. 自动驾驶系统：ROS、Apollo、Autoware
6. 算法优化：模型压缩、量化、剪枝、知识蒸馏
7. 开发工具：Git、Docker、Jupyter Notebook、Visual Studio
8. 英语能力：CET-6（623分），可熟练阅读英文技术文档
四、项目经验
1. 基于多传感器融合的自动驾驶定位系统（2018.03-2019.05）
项目角色：核心算法开发者
项目描述：针对自动驾驶场景下GPS信号丢失问题，设计基于激光雷达、IMU和视觉的多传感器融合定位算法，实现厘米级定位精度。
技术细节：
- 提出改进的紧耦合融合框架，融合激光点云特征与视觉特征
- 实现基于ESKF（误差状态卡尔曼滤波）的传感器时间同步
- 在KITTI数据集上验证，定位误差降低42%
成果：发表SCI论文1篇（IEEE Transactions on Intelligent Transportation Systems），申请发明专利2项
2. 实时目标检测与跟踪系统（2017.06-2018.02）
项目角色：算法负责人
项目描述：开发面向自动驾驶的实时目标检测与跟踪系统，支持车辆、行人、交通标志等多类目标检测。
技术细节：
- 设计轻量化YOLOv3-tiny模型，在NVIDIA Jetson TX2上实现30FPS实时检测
- 提出基于深度排序（Deep SORT）的多目标跟踪算法，ID切换率降低28%
- 构建包含10万张标注图像的自动驾驶数据集
成果：系统部署于某车企L4级自动驾驶测试车队，检测准确率达96.7%
3. 端到端自动驾驶决策系统（2016.09-2017.05）
项目角色：算法研究员
项目描述：探索基于深度强化学习的端到端自动驾驶决策方法，替代传统模块化架构。
技术细节：
- 构建基于CARLA模拟器的训练环境，收集10万公里驾驶数据
- 提出分层强化学习框架，将决策问题分解为高层路径规划和底层控制
- 实现基于DDPG算法的连续动作空间控制
成果：在复杂城市场景下实现92%的自主驾驶成功率，相关成果被ICRA 2018录用
五、工作经历
1. 百度Apollo平台（2019.07-2022.06）
职位：高级算法工程师
工作职责：
- 负责感知模块中3D目标检测算法的优化与落地
- 主导基于PointPillars的激光雷达点云检测算法开发，在Apollo 5.0中实现量产级性能
- 开发多传感器时空同步框架，解决不同传感器间的时钟漂移问题
- 带领3人团队完成感知模块的工程化部署，支持L4级自动驾驶路测
业绩：
- 检测算法召回率提升15%，误检率降低22%
- 申请发明专利5项，其中2项已授权
- 获百度技术委员会“年度创新奖”（2021）
2. 小鹏汽车智能驾驶中心（2022.07-至今）
职位：算法专家
工作职责：
- 主导XPILOT 4.0系统中BEV感知框架的设计与开发
- 提出基于Transformer的时空融合感知方案，统一处理摄像头与雷达数据
- 优化感知-规划-控制全链路延迟，从200ms降至120ms
- 构建大规模自动驾驶仿真测试平台，支持每日10万公里虚拟测试
业绩：
- BEV感知方案使目标检测精度提升18%，速度预测误差降低31%
- 推动XPILOT 4.0实现城市NGP功能，在广州、上海等城市开放测试
- 发表顶会论文2篇（CVPR 2023、ICRA 2023）
六、学术成果
1. 发表论文
- Zhang M, et al. "Multi-Sensor Fusion for Robust Localization in Autonomous Driving." IEEE Transactions on Intelligent Transportation Systems, 2020.（SCI一区，IF=9.551）
- Zhang M, et al. "End-to-End Autonomous Driving via Deep Reinforcement Learning." Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), 2018.（CCF B类）
- Zhang M, et al. "Real-Time Object Detection and Tracking for Autonomous Vehicles." IEEE Intelligent Vehicles Symposium (IV), 2019.
2. 专利
- 一种基于多传感器融合的自动驾驶定位方法及系统（ZL201910123456.7）
- 面向自动驾驶的轻量化目标检测网络结构（申请号：202110234567.8）
- 基于BEV感知的自动驾驶环境建模方法（申请号：202210345678.9）
七、专业技能认证
1. 百度深度学习认证工程师（2020）
2. NVIDIA DLI深度学习培训认证（2019）
3. ROS机器人开发者认证（2018）
4. 自动驾驶系统安全工程师（ISO 26262功能安全认证，2021）
八、自我评价
1. 具备扎实的自动驾驶算法理论基础与丰富的工程实践经验，熟悉从算法设计到产品落地的全流程
2. 精通深度学习在计算机视觉与传感器融合领域的应用，对YOLO、Transformer等前沿技术有深入理解
3. 优秀的问题解决能力，曾主导多个复杂技术难题的攻关，如低光照条件下的目标检测、传感器时间同步等
4. 良好的团队协作精神，在百度与小鹏期间均担任技术负责人，带领团队完成多项关键项目交付
5. 持续学习能力强，关注行业最新动态，定期阅读arXiv、CVPR等顶会论文，保持技术敏锐度
关键词：智能驾驶、算法工程师、深度学习、计算机视觉、传感器融合、自动驾驶、定位算法、目标检测、BEV感知、Transformer、ROS、Python、C++、TensorFlow、PyTorch、项目经验、工作经历、学术成果
简介：本文是一份智能驾驶算法工程师的求职简历模板，涵盖个人信息、教育背景、专业技能、项目经验、工作经历、学术成果、专业技能认证及自我评价等内容。重点展示了候选人在自动驾驶领域的多传感器融合定位、实时目标检测与跟踪、端到端决策系统等核心算法的开发经验，以及在百度Apollo和小鹏汽车的工作业绩，包括BEV感知框架设计、感知-规划-控制全链路优化等前沿技术实践，同时列出了发表的SCI论文、顶会论文及发明专利，全面体现了候选人在智能驾驶算法领域的专业能力与实践经验。
