激光感知算法工程师简历模板

《激光感知算法工程师简历模板》

一、个人信息

姓名：张XX

性别：男

年龄：28岁

联系方式：手机：+86 138XXXX1234 / 邮箱：zhangxx@laser-tech.com

求职意向：激光感知算法工程师

期望薪资：25K-35K/月（可面议）

工作地点：北京/上海/深圳

到岗时间：1个月内

二、教育背景

2016.09-2020.06 清华大学 电子工程系 博士

研究方向：激光雷达三维感知与深度学习融合算法

主修课程：激光雷达原理、三维点云处理、机器学习、深度学习框架（TensorFlow/PyTorch）、计算机视觉、信号处理

毕业论文：《基于多模态融合的激光雷达动态目标检测与跟踪算法研究》

2012.09-2016.06 北京航空航天大学 电子信息工程学院 学士

专业排名：前5%（GPA 3.8/4.0）

三、专业技能

1. 激光感知核心算法

- 精通激光雷达点云预处理（去噪、滤波、分割）

- 熟练实现三维目标检测（PointPillars、SECOND、PV-RCNN等算法）

- 掌握点云配准（ICP、NDT）与SLAM（LOAM、LeGO-LOAM）算法

- 熟悉多传感器融合（激光+摄像头+IMU）的时空同步与标定

2. 深度学习框架

- 熟练使用PyTorch、TensorFlow进行模型搭建与训练

- 掌握MMDetection3D、Open3D等开源工具库

- 具备模型压缩（量化、剪枝）与部署经验（ONNX、TensorRT）

3. 编程与工具

- 编程语言：C++（熟练）、Python（精通）、MATLAB（熟悉）

- 开发环境：Linux（Ubuntu）、ROS（Robot Operating System）

- 版本控制：Git/GitLab

4. 数学基础

- 线性代数、概率论、优化理论（凸优化、非线性优化）

- 几何变换（旋转矩阵、四元数、欧拉角）

四、工作经历

2020.07-至今 某自动驾驶科技公司 高级算法工程师

职责与成果：

1. 激光感知算法研发

- 主导车载激光雷达点云目标检测算法优化，将远距离小目标检测精度提升12%

- 设计动态障碍物跟踪框架，结合卡尔曼滤波与深度学习，降低ID切换率30%

- 开发点云语义分割模块，实现道路、车辆、行人等10类物体准确分类（mIoU 89.2%）

2. 多传感器融合系统

- 构建激光雷达与摄像头的时空同步方案，解决跨模态数据对齐问题

- 提出基于注意力机制的多传感器特征融合方法，提升复杂场景下的感知鲁棒性

3. 算法部署与优化

- 将PointPillars模型从PyTorch迁移至TensorRT，推理速度提升3倍（从80ms降至25ms）

- 优化点云预处理流程，减少CPU占用率40%，满足实时性要求（>30FPS）

4. 团队协作与项目管理

- 带领4人算法小组完成感知模块迭代，按时交付3个版本

- 编写技术文档与测试规范，推动算法从研发到量产的落地

2019.06-2019.12 某机器人实验室 算法实习生

职责与成果：

- 参与室内移动机器人SLAM项目，实现基于LOAM的激光建图与定位

- 优化点云地面分割算法，将处理速度从15FPS提升至25FPS

- 协助完成机器人导航系统集成测试，定位误差控制在±5cm内

五、项目经验

项目1：基于深度学习的激光雷达动态目标检测系统（2021.03-2021.12）

技术栈：PyTorch、PointPillars、CUDA、ROS

项目描述：

针对自动驾驶场景中动态目标检测的实时性与准确性需求，设计并实现了一套端到端的激光雷达点云检测系统。通过引入稀疏卷积与注意力机制，解决了远距离小目标漏检问题。

个人贡献：

- 提出多尺度特征融合网络，提升小目标检测召回率15%

- 优化锚框生成策略，减少冗余计算，推理速度提升20%

- 搭建数据增强管道，模拟雨雪天气点云噪声，增强模型鲁棒性

项目成果：

- 在KITTI数据集上，车辆类AP达到91.3%（中等难度）

- 算法已部署至公司量产车型，支持L4级自动驾驶

项目2：多传感器融合的3D环境感知系统（2020.09-2021.06）

技术栈：C++、ROS、Eigen、PCL

项目描述：

为低速自动驾驶场景设计一套低成本、高精度的3D环境感知方案，融合激光雷达与单目摄像头数据，实现障碍物检测与语义分割。

个人贡献：

- 设计跨模态数据同步模块，解决时间戳对齐与空间变换问题

- 提出基于BEV（鸟瞰图）的特征融合方法，降低计算复杂度

- 开发可视化工具，支持点云与图像的联合调试

项目成果：

- 系统在园区场景下检测距离达100米，精度±10cm

- 获公司年度技术创新奖

六、学术成果

1. 论文发表

- 《Multi-scale Feature Fusion for 3D Object Detection in Point Clouds》（ICRA 2021，一作）

- 《Attention-based Sensor Fusion for Robust 3D Perception》（IEEE Robotics and Automation Letters，2022，二作）

2. 专利申请

- 《一种基于稀疏卷积的激光雷达点云目标检测方法》（专利号：ZL2021XXXXXXX，已授权）

- 《多传感器时空同步系统及方法》（实质审查阶段）

七、证书与荣誉

- 全国大学生智能汽车竞赛一等奖（2015）

- 清华大学优秀毕业生（2020）

- CFA（特许金融分析师）一级通过（2021）

- 英语：CET-6（623分），雅思7.5分

八、自我评价

1. 技术深度：具备扎实的激光感知理论基础与工程实践能力，熟悉从算法设计到部署落地的全流程

2. 问题解决：擅长分析复杂场景下的感知难题，提出创新解决方案（如动态目标跟踪、跨模态融合）

3. 团队协作：在跨部门项目中担任技术负责人，推动算法与硬件、测试团队的协同开发

4. 学习能力：快速掌握新技术（如Transformer在点云中的应用），持续跟踪学术前沿

5. 职业态度：对自动驾驶行业充满热情，追求技术卓越与产品落地

关键词：激光感知算法工程师、激光雷达、点云处理、三维目标检测、深度学习、多传感器融合、SLAM、PyTorch、TensorFlow、C++、Python、ROS、自动驾驶、模型优化、TensorRT、学术研究

简介：本文是一份激光感知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、工作经历、项目经验、学术成果、证书荣誉及自我评价。重点突出激光雷达点云处理、三维目标检测、多传感器融合等核心技术能力，结合学术研究与工程实践，展现求职者在自动驾驶领域的全面素质。