当前位置:   article > 正文

自动驾驶的春招,正式打响了!

自动驾驶春招打响了

点击下方卡片,关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

三月份春招信息如雨后春笋袭来,社招/秋招补录/实习等等!而小米SU7 24小时大定更是将近9万辆!稳了稳了~不得不说有人欢喜有人忧,像理想、华为给到的激励更是羡煞旁人!很多拿到秋招offer的小伙伴已经开始准备提前入职或者实习。这几个月我们也分享了很多自动驾驶和CV方向的面经和经验,小米、华为、地平线、理想等公司也陆续开放春招实习或校招岗位!

479e38e9c5ae5cbf50920e39420cdd99.jpeg

2e75eea1e11c0b3fef0747435f6e2cb2.png

e8201a5a2c93cba8f0f6c4d38c494131.png

对于秋招不是很满意的同学和年后打算跳槽的小伙伴,现在可以着手准备起来春招和年后跳槽了。这里也分享一些跳槽和找工作的技巧:无论什么岗位,首先需要系统地梳理自己的工作和项目经历,有亮点的工作靠前,有连贯性的工作需要写在一块;简历的重点不是你干了什么,而是要突出发现和解决了什么问题;其次是刷题,现在自动驾驶和CV面试都强调代码功底,至少要保证力扣中等难度的题目可以bug free,hard题目酌情拼一拼;最后就是根据面试的过程不断地打磨和锻炼面试技巧。还在读书的同学,切记一定要体现出自己的paper价值,实习经历、做了哪些重点项目等......

有能力的同学站在自动驾驶的风口乘风破浪,前途一片光明;能力还不足够的小伙伴,依旧会感觉到吃力。想要破局,对于没有门路的小伙伴异常艰难。那么如何持续保持跟进和输入呢?我的答案是找对圈子,让你每天能够主动和被动接受很多新的知识,包括领域知识体系的梳理、刷题、面试经验、各家企业现状、各个岗位的具体职责以及后续的职业前景等。一个人入门学习,无异于大海捞针,浪费了大把时间踩坑,还得不到想要的答案。哪里有专业回答的规划呢?这里我推荐一个我们一直在维护的社区:自动驾驶之心知识星球,目前是国内最大、最专业的自动驾驶社区。

微信扫码领取,新人优惠券!

7a74558f32188521321d34a8c6540266.png

国内最大的自动驾驶社区

自动驾驶之心知识星球,创办于2022年7月份,致力于打造为自动驾驶行业中的 ”黄埔军校“,目前近2600人,聚集了近50+自动驾驶行业专家为大家答疑解惑。


星球内已经打磨出近30+的学习路线,涉及BEV感知、动态/静态障碍物检测、多传感器融合、多传感器标定、目标跟踪、模型部署与cuda加速、仿真等方向,沉淀了大量工程上的解决方案、学术上的优化思路!星球主要内容一览:dd6aad851a35ca854d90cf4f15053bad.png

5de9f95c160d18eca587aa35bfd9bb35.png

最前沿的视频分享

除了日常的文档、学习路线、问答分享,星球内部会不定期邀请CVPR、ICCV、ECCV、NIPS、TPAMI等各类顶会顶刊作者以及国内外各大顶尖自动驾驶公司团队前来直播分享,就死磕两件事,如何量产和research研究方向,非常适合工业界和学术界的小伙伴!

视频直播内部每周1~2次,每年计划100场左右。

8a97acceac003f29c8a23449a94abad5.png

星球每天的讨论有哪些?

自动驾驶之心知识星球的定位是直接面向工业界和量产,所以这里有很多工作上遇到的问题,比如如何处理视觉感知误检问题、如何轻量化BEVFusion和Occ模型、如何优化在线高精地图模型、如何使用TensorRT部署自己的模型;除此之外,我们做到了国内外自动驾驶工作的实时更新,最新工作3天内将会在星球内公布,一起讨论后半年甚至下一年的方向动态,一切为了实用。

c926b580616d337c24e70f66243a03d3.png

更为重磅的是,我们保证了当天必须解决大家的问题,星球的几个创始人都是行业的算法专家,基本cover住所有子方向,除此之外,更有50+的算法开发专家一起讨论,你踩过的坑我们前面都踩过。

1542dae10cc1a5163027f50476d55dce.png

星球成员

星球成员主要来自AI Lab、商汤科技、旷视科技、百度、阿里、网易、Momenta、Intel、Nvidia、赢彻科技、图森未来、智加科技、AutoX、大疆、上汽、集度、地平线、蔚来、小鹏、蘑菇车联、斑马、华为等业界知名公司,以及苏黎世理工、卡耐基梅隆大学、普渡大学、东京大学、香港中文大学、香港科技大学、香港大学、清华大学、上海交大、复旦大学、浙江大学、中科大、南京大学、东南大学、同济大学、上海科技大学、哈工大等国内外知名高校;

3aa89283b18340c9474786d3ed7220f6.png

星球会员权益

1. 免费获得50+专业嘉宾的答疑解惑(有问必答)

2. 永久免费浏览、下载星球内容(目前3600+干货内容,每天更新,会员过期后,过期前的内容可继续免费浏览下载)

3. 所有自动驾驶之心的付费课程8折优惠(价值1500元)

4. 直播视频免费无限期回放(50+场行业直播,一年近100场)

5. 星球积分榜前10名,获得丰富现金奖励

6. 免费咨询求职招聘相关问题

7. 加入专属VIP群,获得最新资讯

星球的嘉宾

自动驾驶之心同时面向学术界和工业界领域展开,所以为大家请来了很多行业知名的算法、系统专家、学术界大佬,日常和大家交流答疑!

46f0c6d5636d3d7ca5550cc821823b6b.png

自研面试100问

星球内部针对常见的技术方案、问题难点展开了汇总,自研了100问系列,大家可以实时查找学习!

e7a3efb1ae7e5b2a30025f191860fb88.png

干货系列持续更新中......常见问题一览!

TensorRT常用的量化方法是什么?

onnx模型推理结果正确,但tensorRT量化后的推理结果不正确,大概原因有哪些?

采用tensorRT PTQ量化时,若用不同batchsize校正出来模型精度不一致,这个现象是否正常?

模型量化到INT8后,推理时间反而比FP16慢,这正常吗?

BEVfusion的算法把3D lidar的数据用view transformer变成了2D的,是不是会更省算力?会丢失距离信息吗?

LSS的lift环节,将深度分布特征和图像特征做外积之后,得到的结果为什么叫做视椎特征?

端到端自动驾驶能否成为未来主流,或者说端到端方法有什么优点,期望解决什么问题?

时空联合规划用的多吗?时空联合规划分别在笛卡尔坐标系和Frenet坐标系的优劣?

有没有谁做过车道线跟踪,都找不到相关论文,现在一般都用什么方法做?

请问下,车道线检测中,道路上会有一些旧车道线影响新车道线怎么办?

最新实用代码和干货分享

c568e098da05d149390d610c68da7197.png

ab7a073594cd84252eb83c7533fb7f1f.png

星球日常问答一览

日常交流最实际的工程、学术问题和求职择业相关!

a9b9c991a6c55d3ea16bed3e36276cdc.png

89cfcca49339180e5a3e0f19ebe62d46.png

f2830cd8b9325ab9a29a8c5715567358.png

自动驾驶之心知识星球

自动驾驶之心知识星球是首个以自动驾驶技术栈为主线的交流学习社区,这是一个前沿技术发布和学习的地方!我们汇总了自动驾驶感知(分类、目标检测、语义分割、实例分割、全景分割、关键点检测、车道线检测、3D感知、目标跟踪、多模态、多传感器融合等)、自动驾驶定位建图(高精地图、SLAM)、自动驾驶规划控制、领域技术方案、AI模型部署落地等几乎所有子方向的学习路线!除此之外,还和数十家自动驾驶公司建立了内推渠道,简历直达!这里可以自由提问交流,许多算法工程师和硕博日常活跃,解决问题!初衷是希望能够汇集行业大佬的智慧,在学习和就业上帮到大家!星球的每周活跃度都在前50内,非常注重大家积极性的调度和讨论,欢迎加入一起成长!

知识星球有哪些模块?

CV图文教程:网络结构可视化、算法原理图解;

视频教程:星球内部技术分享视频完成了几十场技术直播分享,包括语义分割、毫米波雷达视觉融合、BEV感知、Occupancy、多传感器标定、传感器部署、高精地图制作关键技术、规划控制、轨迹预测、自动驾驶行业与求职分析、自动驾驶仿真等多个方向(星球内部观看)!以及优秀开源课程,涉及相机标定、伯克利深度学习与计算机视觉、百度优达学城、Apollo自动驾驶、Udacity自动驾驶、MIT自动驾驶、Carla自动驾驶仿真等系列视频课程;

91124d7f05f55b3139c7f38fe96d51a9.png

日常paper分享:BEV感知、3D目标检测、多模态融合、2D检测、分割、车道线、多任务学习、多目标跟踪、传感器空间和时间同步、鱼眼感知与模型、轨迹预测、高精地图、SLAM、规划控制、V2X、Occupancy network、NerF、测速测距、强化学习、VIT、轻量化等;

职位与面经分享:自动驾驶行业职位内推、面经分享、入门学习路线分享;

日常问答交流:和嘉宾星主交流领域学术工业最新进展,包括领域方案、工程实战问题、学术界前沿动态;

58225b530c1cd0c4916d9e47fdca7cf6.png

主要面向对象

星球创建的初衷是为了给自动驾驶行业提供一个技术交流平台,包括需要入门的在校本科/硕士/博士生,以及想要转行或者进阶的算法工程人员;除此之外,我们还和许多公司建立了校招/社招内推,包括地平线、百度、蔚来汽车、momenta、赢彻科技、集度、滴滴、Nvidia、高通、纵目科技、魔视智能、斑马汽车、博世、纽劢科技、追势科技、寒武纪等!

如果您是自动驾驶和AI公司的创始人、高管、产品经理、运营人员或者数据/高精地图相关公司,也非常欢迎加入,资源的对接与引进也是我们一直在推动的!我们坚信自动驾驶能够改变人类未来出行,想要加入该行业推动社会进步的小伙伴们,星球内部准备了基础到进阶模块,算法讲解+代码实现,轻松搞定学习!

星球主要关注方向

0.自动驾驶顶会与公司

星球内部为大家汇总了CVPR、ECCV、IROS、RSS、TPAMI、IV、ICIP等自动驾驶领域顶会和顶刊,以及图森、智加、主线科技、集度、滴滴、纵目、元戎启行、momenta、蔚来小鹏理想等近80家公司介绍(可以内推!)

1. 计算机视觉相关数据集

数据集是AI任务的基石,然而大多数数据集都是国外机构开源,数据量较大,下载速度缓慢,这两个缺点导致很多研究人员在数据获取上为难,为此星球内部已经为大家准备了近30种计算机视觉和自动驾驶相关数据集,包括KITTI、Waymo Open Dataset、Lyft L5、COCO、Semantic3D、A2D2数据集、车道线数据集、车牌数据集、行人检测数据集、红绿灯检测数据集等,一键下载;

789040f1e6a77af0ab49fa4bb2baa4a6.png

2. 2D/3D标定工具与仿真

星球内部为大家汇总了2D检测、3D点云检测、语义分割、实例分割、3D点云分割、视频检测、交互标定、多传感器标定等工具,还有各类仿真框架,可以快速适配到自己项目中。

ae5ad661b42ee1aa3b0945a11891ce41.png

3. 基础学习资料

整理了从自动驾驶感知、跟踪、滤波专业算法技术,到深度学习数学基础和图像处理、经典计算机视觉算法、Opencv、Pytorch以及C++、Python、GPU和Cuda近50本pdf学习资料!

02adb82f47b3949c77b6dfd27e848b04.png

2def3bf2ccf0460aec25d298962ef80e.png

5d4a38f4fa3ddd70377c8138e3202f55.png

a31f2775b7acc225fea7d4876e3a66a0.png

4.  Backbone与Transformer

主要关注常用的轻量化、高性能backbone,以及视觉transformer结构与优化;

390d378c9daff290e7abca6969e551fe.png

5.  2D目标检测

关注anchor-based、anchor-free、one-stage、two-stage、超全YOLO系列、小目标检测、多任务模型、长尾分布、误检消除、难例挖掘、定位精度优化等内容;该模块汇总检测领域的经典综述和论文,从结构、数据增强策略、采样策略、不均衡问题、半监督、知识蒸馏上展开研究;

fd65ede613fdf1441ec2683c6ab36399.png c17f079b1a6542ee65768f88a872b362.png 44984fcd809dd5e2bb5a355017a80045.png 7baf00632053969142f8d7695086288c.png

6.  分割任务

汇总了常见的2D语义分割、实例分割、全景分割以及3D点云分割SOTA算法,并对分割任务中的边缘轮廓分割模糊不细腻问题展开讨论;

59f2bd273f47a2d93ed6df85940a5af7.png 67ea44238c2e85d36cf3990f33285505.png

7.车道线检测

对基于检测、分割、分类、关键点、曲线预测、多传感器检测、3D车道线SOTA方法进行了汇总,对车道线遮挡、磨损、不连续问题展开了讨论!

017f030b81714f90decbaf99642f1bb5.png

8.鱼眼感知

针对鱼眼和全景相机在自动泊车、近域感知上的应用展开,主要包括相机标定、鱼眼全景相机系统、自动泊车系统、环视数据集、鱼眼深度估计、鱼眼目标检测、鱼眼SLAM、语义分割等方向!

0884ff0e0dda80c3caa4042ce9c3077f.png 279ac47a9f36dfeaeb2014ff6260ddb2.png 985fe92dfed1f86cb154f58f7bc18a4a.png

9.目标跟踪

针对单目标和多目标跟踪,基于Siamese Network、Tracking-by-detection、传统滤波+关联算法、end2end等方法进行全面展开阐述,后续更会加入变速情况下的跟踪系统;

92eb28c95ce14cdf0994e58c754c495a.png 6b42e05cc9839faebf50a922e3c7911a.png

10.3D目标检测

从点云和多模态数据3D检测任务展开,基于BEV、点、体素、多camera数据的3D检测方案;

b4511f27dc66b948e0b35caf7058e100.png 2c38b8d7d0b0bf8eb1ef61b41295f786.png 905404290b75f049c153d778ac8ec60c.png 4334d60c46813ff5004f66fa8b0569f9.png 82dc85a56cae7faba9b0c633d18acafc.png

11.传感器标定

主要关注自动驾驶领域常见的Camera、Lidar、Radar、IMU之间的离线、在线标定,多相机、多激光雷达之间的标定,自动标定,传感器时间同步等;

cae3c63d1d83e0999fe471972422d22d.png

933dd6599726e3bcb928721ea349d65d.png

f6d07609dc5976af6f5181dd8c06fd5b.png

995562654edb0730d9dc640a401ba827.png

5d293914a49782e5ed499ec13b83c392.png

12.多传感器融合

星球内部汇总了数据级融合、目标级融合、特征级融合、弱融合、不对称融合等多种方案!

a55a5fb131a3e7151ede9b2a1a7c82e3.png

1ef497ba862b716262f6947e034431ce.png

22b55871a38ff51e8136d12f7a916a29.png

d4e1434111c46857e5712ae886e8662a.png

13.SLAM与高精地图

汇总了单目SLAM、RGB-D SLAM、激光SLAM、毫米波SLAM、高精地图定位方法、自定位方法!以及领域内最常用的高精地图制作方法!

e64c37be7990187bd2272e685ade875a.png

5d82a612250c4f5ec2d42af3a0d422a0.png

8fd402ce75c84c38edf27ebe0091a5f8.png

197094e423a5103ce31f338e0c255362.png

e54713428f1dbe4dc173a3a6590a3117.png

f00bc860ab11280d5ab1fa1b8d46ae99.png

14.模型压缩与轻量化

汇总了模型压缩、裁剪、量化、权值共享、模型加速、知识蒸馏、量化工具等数十篇干货介绍!

15.模型部署

TensorRT、NCNN、Opencv、MNN方案部署检测、分割、关键点、分类模型实战;

edeb9696a2b0dd90109ad7549e8db636.png

16.轨迹预测

重点关注行人、车辆、基于机器学习、深度学习、强化学习方式的预测!

a13a0b6086c3a7133b7d61a4702defd9.png

17.规划控制

涵盖所有的规划控制方法,重点关注行车、泊车、机器人等应用领域!

00e0a8343737fbdd778613415d1fa28d.png

cd27b83edad794e11bc2bc9157c63789.png

18. 大模型与自动驾驶

涵盖通用领域大模型和自动驾驶垂直行业大模型,经典算法与应用应有尽有!

19. 端到端自动驾驶

涵盖端到端自动驾驶最新综述、基于可解释性的端到端自动驾驶方法汇总、基于模仿学习的端到端自动驾驶任务汇总、基于行为克隆的端到端自动驾驶任务汇总、基于强化学习的端到端自动驾驶任务汇总、基于多任务学习的端到端自动驾驶任务、基于知识蒸馏的端到端自动驾驶任务汇总!

19.Nerf与自动驾驶

涵盖Nerf与自动驾驶的各类应用汇总!

20.其它

在感知定位融合之外,还汇总了Occupany network、测速测距、大量机器人、自动驾驶规划方法,强化学习在运动规划上的应用、V2X技术,以及图像加速CUDA方法等~

c09e558735279c734bbf5eac00d24dd9.png

欢迎加入

欢迎大家扫码加入自动驾驶之心知识星球,我们诚邀前期成员的加入,一起创造一个全技术栈的自动驾驶开发者社区!星球成员的加入平均每天不到1元,欢迎扫码加入一起学习一起卷!

微信扫码领取,新人优惠券!

d0078f6338f48cf17284afe8d52177fb.png

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/喵喵爱编程/article/detail/834450
推荐阅读
相关标签
  

闽ICP备14008679号