红绿灯网络算法工程师

职位概述

负责自动驾驶系统中红绿灯检测、状态识别、时序建模与多模态融合全链路算法研发，攻克小目标、遮挡、逆光、闪烁、复杂路口等核心技术难点，打造高精度、高鲁棒、低延迟的红绿灯感知网络，支撑城市 NOA 与 L4 级自动驾驶安全落地。

岗位职责

1.主导红绿灯检测、分类、状态识别（红 / 绿 / 黄 / 闪烁 / 倒计时）、跟踪与预测全链路网络设计与实现，解决小目标、遮挡、逆光、雨雾、夜间、复杂路口等极端场景的感知难题。

2.基于深度学习（CNN/Transformer/BEV/ 时序模型）设计轻量化、高精度红绿灯专用网络，优化端到端推理效率，满足车载实时性（≤100ms）与算力约束。

3.负责 Camera 与 LiDAR/Radar/IMU/ 高精地图 / V2X 的红绿灯感知前 / 后融合，构建冗余感知系统，降低漏检 / 误检率。

4.数据与模型工程：搭建红绿灯数据集采集、标注、清洗与增强 pipeline；主导模型训练、调优、量化压缩、部署优化（TensorRT/ONNX），适配 Jetson Orin / 地平线等车载平台。

5.构建离线 / 仿真 / 实车三级评估体系，设计 Precision/Recall/IoU/ 延迟 / 误报率等指标，闭环问题并持续迭代模型。

协同与落地：与感知、定位、规控、系统团队联调，推动算法在量产 / 前装项目中落地；跟踪 CVPR/ICCV 等前沿技术，主导技术选型与方案迭代。

任职要求

基本要求

1.硕士及以上学历，计算机、电子工程、自动化、机器人、人工智能等相关专业；。

2.3年及以上自动驾驶 / 机器人感知算法研发经验，有红绿灯感知全链路落地经验（城市 NOA/L4）者优先。

3.扎实的计算机视觉、深度学习、机器学习与数理基础，精通目标检测、分类、时序建模、多模态融合理论。

4.熟练掌握 C++/Python，精通 PyTorch/TensorFlow，熟悉 OpenCV/PCL/ROS，具备 Linux 下工程化开发能力。

5.精通 YOLO 系列、DETR、Faster R-CNN、Transformer、LSTM/GRU、BEV 感知等架构；有红绿灯专用网络设计、小目标检测、时序状态识别实战经验。