控制算法专家/工程师（路径规划）

主要职责 1、跟踪算法研发与迭代： 1）单目标跟踪 (SOT)：研究并优化基于相关滤波 (KCF/CSR-DCF) 或 深度学习 (SiamRPN++, Stark, VitTrack) 的 SOT 算法，提升在快速运动、形变、背景模糊下的成功率。 2）多目标跟踪 (MOT)：研究并实现先进的 MOT 框架 (如 ByteTrack, FairMOT, OC-SORT)，解决密集场景下的 ID Switch、重识别 (Re-ID) 和轨迹平滑问题。 3）云台协同优化：针对云台转动带来的运动模糊和相机运动补偿 (GMC) 进行专项优化，结合预测算法 (Kalman Filter/LSTM) 提升跟踪稳定性。 2、工程落地与部署： 1）实时性攻关：针对端侧计算资源（如嵌入式 NPU/DSP）进行模型剪枝、量化及算子优化，确保算法在低功耗下达到 30fps+ 的推理速度。 2）闭环调试：与云台控制算法配合，优化视觉跟踪数据与 PID/LQR 控制器的对接，降低端到端延时。 3、数据构建与Pipeline： 构建针对视频流的标注数据集，设计时序数据增强、合成遮挡等策略。 搭建视频感知的自动化评估系统，利用时序一致性进行半监督或自监督学习探索。 4、技术前瞻： 探索基于 Transformer 的长效跟踪 (Long-term Tracking) 及大模型 (如 SAM) 在视频分割与跟踪中的应用潜力。 任职要求 必备条件： 1、专业背景：计算机、自动化、数学等相关专业，本科及以上学历。 2、算法功底：深入理解 特征关联、数据关联 (Hungarian Algorithm, LAPJV) 和 状态预测 (Kalman Filter, Particle Filter)。精通单目标重定位、多目标 Re-ID 特征提取及相似度度量。 2、编程与框架：精通 Python，具备极强的 C/C++ 编写能力（用于算法底层优化），熟练使用 PyTorch。 3、数学基础：扎实的线性代数、概率统计基础，能看懂并复现前沿跟踪论文中的数学推导。 4、综合素质：对视觉数据极度敏感，有解决复杂工程场景（如遮挡后再现、相似物体干扰）的经验。 5、优先考虑： 行业经验：有无人机、手持稳定器、智能安防或自动驾驶视觉感知相关项目经验。 工程经验：熟悉 TensorRT、SNPE、Tengine 等推理框架，有在 ARM 或 NPU 架构上部署跟踪算法的实战经验。 交叉领域：了解视觉伺服 (Visual Servoing) 或具有控制理论背景，能理解跟踪轨迹与电机控制之间的耦合关系。