算法面经:文远知行 自动驾驶标定算法工程师

作者：Neob0dy

来源：https://zhuanlan.zhihu.com/p/19339670210

项目介绍，讲的都是slam的项目，问对传感器标定有多少了解，用过哪些标定包，有自己试过标定吗，用过哪些传感器，不同传感器的特性和噪声分布如何。linux常用操作熟悉吗，讲讲cmake和make，会不会自己编译包。

coding：判断一个点是否在凸多边形内部，一个点是否在三角形内部（多个解决方案），然后是给定一些2d点，怎么拟合直线，无库手搓最小二乘我也不会啊我就说能不能用eigen，那既然用了eigen干脆直接讲下公式和原理得了。

反问：目前标定哪些传感器，用的大概什么算法可以说吗，会不会做在线标定，标定部门多少人，是感知或者定位分出来的吗。

项目介绍和一面差不多，详细讲了一下多传感器融合的slam（lidar+cam+imu），讲讲预积分的原理，如果bias变了怎么更新预积分观测（线性化），用过哪些优化库，讲一下ekf和因子图优化的区别。直接法和特征点法分别讲一下。

coding：给定一个vector<vector<points>>，每个vector<points>里都是能构成直线的一些点，现在需要对所有的vector<points>进行进一步的聚类，能合成一条直线的进行合并，写一个算法。一开始我想着直接kmeans，但是又觉得聚类出来会相差太大，然后就说先对每一组点用最小二乘拟合直线kx+b的参数，然后用k和b参数通过ransac匹配其他直线，面试官说那你写了试试，写的时候尽量体现你的代码风格。我就框框写了一顿什么auto，range for，智能指针和stl，lambda全用上了。但是写完了发现这样不好确定最后融合出来有几条直线。面试官说我们最起码先给出一个简单的解决方案吧，于是就写了个暴力搜索，把kb相差小于阈值的先聚在一起之后再细分，他问可以怎么加速，我说对kb参数建树加速查找，或者用空间哈希。

遇到这种coding可以多讲讲思路，不要就闷头想不说话，也可以先给出一个简单的解决方案再逐步改进，让面试官看到你的思考方式和分析问题的能力，一般也会给你一些指引。

反问：现在标定遇到最大的问题是什么，标定精度能做到多少，标定参照物用的是怎么样的。

部门leader面。聊做过的项目和论文，问得非常细，讨论了SE₂(3)流形的特点之类的，面试官打开《state estimation for robotics》的时候我都慌了，不会要让我现场手推公式吧。用过什么标定算法，知道具体细节么，大概什么流程。图优化了解多少，有没有用过gtsam，知不知道增量更新的原理（QR分解啊 sum of product之类的，求边缘分布）。有没有了解过prior-free的标定，不需要参照物标定板的标定，TEASER的方法大概是怎么样的，你会怎么设计cam和lidar的标定（手眼，各跑一个里程计，还是联合优化）。面试官表示我们的算法都是不需要初值的。

coding：写个类实现一下pnp重投影因子，计算误差和求jacobian

反问：会不会和感知/定位组合作做在线标定，怎么保证精度和可观性，部门之间合作紧密吗，部门内部的培养怎么样，文档多不多。面试官表示很缺人问如果给了offer能不能马上到岗实习。

vp面，终于没有coding了，也是一直聊论文，从问题背景，已有方法，动机，提出方法都问了，思路很清晰，反倒是我一开始讲的时候没梳理清楚，后面他引导一步步抽丝剥茧。然后又问了对自动驾驶了解有多少，不同模块之间的输入输出如何，耦合情况怎么样，数据流怎么样。为什么选择自动驾驶，你对文远知行了解多少。

反问：端到端和bev会不会抹杀slam，感知那边需要标定参数有多精确，自动驾驶目前最核心的亟待解决问题是什么？