Инженер-алгоритмист / Robotics Software Engineer

Инженер-алгоритмист / Robotics Software Engineer (C++, Perception, LiDAR SLAM)

АО «НИИАС» (дочернее общество ОАО «РЖД») — единственный в стране институт, занимающийся созданием, развитием и внедрением беспилотных технологий и созданием устройств безопасности на железнодорожном транспорте.

Быть частью АО «НИИАС» — значит быть частью инновационной компании и иметь возможность внести свой вклад в создание передовых технологий автоматизации управления движением на железнодорожном транспорте в России и мире.

Мы разрабатываем системы технического зрения для беспилотного железнодорожного транспорта. На полигонах работают несколько направлений:

• БОП МЛ — блок обнаружения препятствий для маневровых локомотивов на сортировочных станциях.
• БОП МЦК — блок обнаружения препятствий для подвижного состава на МЦК (Московское центральное кольцо).
• Стационарные комплексы в Челябинске и на Лужской — ригельные установки с камерами и лидарами, детекция и трекинг объектов в зоне ответственности станции.
• ССК — стационарная система калибровки лидарных и камерных модулей.

Лидар — ключевой сенсор во всех контурах. Мы ищем Инженера-алгоритмиста / Robotics Software Engineer для работы над развитием лидарного стека: от низкоуровневой обработки облаков точек до одометрии, SLAM и детекции препятствий в реальном времени.

Стек технологий проекта:

• C++17/20
• Python
• Eigen
• PCL
• Open3D
• GTSAM
• ICP
• ESKF
• ROS/ROS2
• Linux
• CMake

Что уже есть и куда движемся:

Базовый контур построен на евклидовой кластеризации с эвристической фильтрацией и отдельном perception-сервисе с нейросетевой BEV-детекцией. Этот контур остаётся на поддержке, но имеет известные ограничения по точности, шумам и ложным срабатываниям, и постепенно замещается новой парадигмой.

Новая парадигма — геометрическая, на базе ICP и фактор графов:

• На стационарных комплексах — динамический ICP-матчинг с эталонным облаком (компенсация колебаний ригеля), после чего идёт вычитание точек земли и детекция объектов.
• В стационарной калибровке — ICP против эталонного облака.
• На БОП МЛ — лидарно-инерциальная одометрия с ESKF (error-state Kalman filter, IMU propagation + point-to-plane ICP update), далее статическая фильтрация аккумулированной fused-карты и DBSCAN по кандидатам.
• На БОП МЦК — полноценный лидарный SLAM: ESKF-одометрия + factor graph поверх неё, loop closure через place recognition, детекция через ROI и вычитание инфраструктуры из текущего облака.

Задачи, которые необходимо будет выполнять:

Развитие геометрического стека:

• Улучшение и обобщение ICP-пайплайнов (point-to-plane, point-to-edge), повышение устойчивости к частичным перекрытиям и динамическим сценам.
• Доработка ESKF-одометрии: инициализация, детекция аутлаеров, фьюзинг IMU/LiDAR, компенсация дисторсии.
• Работа с factor graph backend (GTSAM): корректная инициализация графа, place recognition для loop closure, маргинализация.

Детекция и восприятие:

• Детекция подвижного состава, инфраструктуры, препятствий на путях; специфичные объекты — автосцепки, тормозные башмаки, габариты вагонов.
• Борьба с шумом и интерференцией лидаров.
• Ground segmentation, статическая фильтрация, кластеризация (DBSCAN, Euclidean Clustering).

Производительность и интеграция:

• Оптимизация кода под бортовые вычислители.
• Портирование прототипов с Python на C++, профилирование, многопоточность.
• Тестирование на данных реальных полигонных испытаний, unit- и integration-тесты.

Калибровка:

• Развитие ICP-based лидарной калибровки, построение корректных эталонных облаков в целевой системе координат.
• Кросс-модальная калибровка LiDAR ↔ камера ↔ IMU.

Требования к кандидату:

• Вл