常考知识点
点进去看这个知识点下的全部题目
出过题的公司
点进去看这家公司的自动驾驶算法面经
岗位题目
按知识点看自动驾驶算法面试题
01
传感器融合
自动驾驶感知路线中,多模态、纯视觉和激光雷达方案如何比较?
这题考自动驾驶感知路线的工程取舍,重点是比较信息维度、误差来源、成本、冗余、可验证性和边界场景,而不是简单判断哪条路线先进。
IMU/GPS 等传感器使用时要注意哪些误差和同步问题?
这题考 IMU/GPS 使用经验,重点是 bias、噪声、漂移、多路径、遮挡、坐标系、时间同步和融合验证。
如果用深度学习做 Camera 和 LiDAR 前融合,你会怎么设计?
这题考 Camera/LiDAR 前融合设计能力,重点是坐标对齐、特征投影、融合时机、误差鲁棒性、训练监督和部署验证。
02
其他
跑过哪些开源 SLAM 算法,如何比较优劣?
这题考是否真正跑过 SLAM 系统并做过工程对比,回答要围绕传感器输入、前端跟踪、后端优化、回环、地图表达、实时性和失败场景展开。
Occupancy 感知算法的核心思路和适用边界是什么?
这题考对 Occupancy 感知的理解,重点是把三维空间占据建模、可见/不可见区域、不确定性、传感器融合和下游规划边界讲清楚。
相机标定怎么做,需要哪些内外参?
这题考相机模型和标定工程流程,回答要讲内参、畸变、外参、采集约束、重投影误差验证和多传感器坐标对齐。
自动驾驶项目中激光雷达选型要看哪些指标?
这题考传感器选型的工程视角,重点是把感知需求、点云质量、机械安装、同步接口、环境可靠性、成本和闭环验证联系起来。
Tracking 中目标速度通常如何获取?
这题考目标跟踪里的速度估计来源,重点是测量差分、滤波状态估计、传感器直接测速、坐标补偿和误差诊断。