3d视觉算法工程师简历模板
《3D视觉算法工程师简历模板》
一、个人信息
姓名：张三
性别：男
年龄：28岁
学历：硕士
毕业院校：清华大学计算机科学与技术系
专业方向：计算机视觉与3D重建
联系电话：+86-138-XXXX-XXXX
电子邮箱：zhangsan@example.com
GitHub：https://github.com/zhangsan-cv
LinkedIn：https://www.linkedin.com/in/zhangsan-cv
二、求职意向
目标职位：3D视觉算法工程师
期望行业：人工智能、机器人、自动驾驶、AR/VR
工作地点：北京/上海/深圳
薪资范围：面议（根据能力与经验匹配）
三、教育背景
2018.09-2021.06 清华大学 计算机科学与技术系 硕士
研究方向：3D视觉重建与深度学习
主修课程：计算机视觉、机器学习、深度学习、三维几何处理、优化算法
毕业论文：《基于多视图几何的动态场景3D重建方法研究》
论文成果：提出一种融合光流与几何约束的动态场景重建算法，在公开数据集上精度提升12%
2014.09-2018.06 浙江大学 计算机科学与技术学院 学士
GPA：3.8/4.0（专业前5%）
荣誉奖项：国家奖学金、ACM-ICPC亚洲区域赛银奖
四、技术技能
编程语言：C++（精通）、Python（熟练）、MATLAB（熟悉）
深度学习框架：PyTorch（主导项目经验）、TensorFlow（项目经验）、MXNet（学习）
3D视觉工具库：OpenCV（5年+经验）、PCL（点云处理）、Eigen（线性代数）、CGAL（计算几何）
开发环境：Linux（Ubuntu/CentOS）、Docker容器化部署、Git版本控制
算法能力：
1. 多视图几何（SfM、MVS）
2. 深度学习3D重建（NeRF、3D-GAN、PointNet++）
3. SLAM（视觉里程计、闭环检测、后端优化）
4. 三维点云处理（配准、分割、补全）
5. 立体视觉（双目/多目匹配、深度估计）
五、项目经验
项目1：动态场景实时3D重建系统（2020.03-2021.05）
角色：核心算法开发者
项目描述：
针对动态场景重建中运动物体干扰问题，提出一种结合光流估计与几何约束的混合重建框架。通过光流网络预测物体运动，结合多视图几何约束优化重建结果，实现动态场景的实时3D建模。
成果：
1. 在TUM RGB-D数据集上，静态区域重建误差降低至2.1cm，动态区域误差降低37%
2. 系统运行速度达15FPS（输入分辨率640x480），满足实时性要求
3. 代码开源至GitHub，获Star 500+，被3篇顶会论文引用
项目2：基于深度学习的工业零件3D检测系统（2019.06-2020.02）
角色：算法负责人
技术栈：Python/TensorFlow/Open3D
项目描述：
为某汽车零部件厂商开发自动化检测系统，通过深度学习实现零件的3D缺陷检测与尺寸测量。设计多尺度特征融合网络，结合点云分割与回归任务，解决传统方法对复杂曲面检测效果差的问题。
成果：
1. 缺陷检测准确率达99.2%，尺寸测量误差
2. 检测速度提升5倍（单件检测时间从30s降至6s）
3. 系统部署至10条生产线，年节约质检成本超200万元
项目3：AR眼镜空间定位与场景重建（2018.09-2019.05）
角色：SLAM算法开发
技术栈：C++/Eigen/G2O
项目描述：
为某AR眼镜厂商开发空间定位与场景重建模块，基于视觉SLAM实现厘米级定位精度。提出一种轻量级特征点匹配策略，结合IMU数据融合，解决低纹理环境下的定位丢失问题。
成果：
1. 定位精度达±2cm，旋转误差
2. 在低纹理场景（如纯色墙面）下，定位成功率从65%提升至92%
3. 算法资源占用降低40%（CPU使用率从35%降至21%）
六、论文与专利
论文1：Dynamic Scene Reconstruction via Optical Flow Guided Geometry（CVPR 2021）
角色：第一作者
内容：提出光流引导的动态场景重建方法，解决传统多视图几何在动态场景中的失效问题。
引用：Google Scholar引用120次
论文2：Real-Time 3D Object Detection for Industrial Parts（ICRA 2020）
角色：共同一作
内容：设计基于点云与RGB融合的工业零件检测网络，在公开数据集上达SOTA性能。
应用：已落地至3家制造业企业
专利1：一种基于深度学习的动态场景3D重建方法（专利号：ZL20201XXXXXXX）
状态：已授权
专利2：轻量级视觉SLAM定位系统及方法（申请号：20211XXXXXXX）
状态：实质审查
七、竞赛与开源
竞赛1：Kaggle 3D Reconstruction Challenge 2020（全球第3名）
团队角色：队长
方案：设计多尺度特征融合的3D重建网络，结合自监督学习提升泛化能力。
竞赛2：ECCV 2021 Workshop on 3D Scene Understanding（赛道冠军）
团队角色：算法设计
方案：提出基于神经辐射场（NeRF）的动态场景重建方法，在未标注数据上实现高精度重建。
开源项目：
1. Dynamic3DRecon（GitHub Star 800+）：动态场景3D重建工具库，支持光流引导与几何约束融合。
2. PointNetPlusPlus-PyTorch（GitHub Star 500+）：PointNet++的PyTorch实现，优化内存占用与训练速度。
八、工作经历
公司1：某自动驾驶科技公司（2021.07-2023.06）
职位：高级3D视觉算法工程师
职责：
1. 主导多传感器融合的3D环境感知系统开发，结合激光雷达与摄像头数据实现高精度障碍物检测与跟踪。
2. 优化BEV（Bird's Eye View）视角下的3D目标检测算法，在NuScenes数据集上mAP提升8%。
3. 开发基于点云的语义分割模块，支持动态障碍物（如行人、车辆）与静态场景（如道路、建筑物）的分类。
成果：
1. 感知系统通过ISO 26262功能安全认证，满足L4级自动驾驶需求。
2. 算法部署至2000+辆测试车，日均处理数据量超10TB。
公司2：某AR/VR创业公司（2020.07-2021.06）
职位：3D视觉算法实习生
职责：
1. 开发基于单目摄像头的空间定位算法，实现AR眼镜的6DoF定位。
2. 优化场景重建速度，从帧级处理提升至块级处理，延迟降低60%。
成果：
1. 定位精度达±3cm，满足消费级AR应用需求。
2. 算法集成至首款AR眼镜产品，获2021年CES创新奖。
九、自我评价
1. 扎实的3D视觉理论基础：精通多视图几何、深度学习3D重建、SLAM等核心算法，具备从数学原理到工程落地的完整能力。
2. 丰富的项目经验：主导或参与10+个3D视觉项目，覆盖动态场景重建、工业检测、自动驾驶感知、AR定位等场景，熟悉不同场景下的技术痛点与解决方案。
3. 强大的工程能力：熟练使用C++/Python进行高性能算法开发，熟悉Linux环境下的部署与优化，具备将算法从实验室原型到产品化落地的经验。
4. 持续的学习能力：关注3D视觉领域前沿进展（如NeRF、3D-GAN、4D重建），定期复现顶会论文并优化至实际场景。
5. 良好的团队协作：在跨学科团队（算法、硬件、产品）中担任技术接口，具备需求分析、技术选型、进度管理的综合能力。
十、附加信息
语言能力：英语（CET-6 620分，可熟练阅读英文文献并撰写论文）
证书：全国计算机等级考试四级（网络工程师）、PMP项目管理认证（备考中）
兴趣爱好：马拉松（全马完赛成绩3:30）、摄影（擅长3D建模相关的结构光拍摄）
关键词：3D视觉算法工程师、简历模板、多视图几何、深度学习3D重建、SLAM、点云处理、立体视觉、C++、PyTorch、OpenCV、PCL、动态场景重建、工业检测、自动驾驶感知、AR定位、论文、专利、开源项目
简介：本文是一份针对3D视觉算法工程师岗位的完整简历模板，涵盖个人信息、教育背景、技术技能、项目经验、论文专利、竞赛开源、工作经历、自我评价等内容。重点突出候选人在动态场景重建、工业检测、自动驾驶感知、AR定位等场景的算法开发与工程落地能力，适合有硕士学历、3年以上经验的求职者参考。
