本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。

1.背景

近日分享如何高新轉型到自動駕駛領域時，幾位朋友不約而同的問到了我同一個問題：“L2~L4自動駕駛的崗位都有哪些？對應著具體的什么 工作內容？需要哪方面的技能？”今天就針對這個大家都很想了解的話題做個分享。

首先介紹下自動駕駛的系統框圖（簡化版）讓大家對自動駕駛有個全局的概念

• 接下來，我們分為兩大類進行介紹：算法工程師和非算法類工程師。
• 算法工程師

1. 激光SLAM算法工程師
2. 視覺SLAM算法工程師
3. 多傳感器融合算法工程師
4. 機器學習算法工程師
5. 計算機視覺算法工程師
6. 自然語言處理算法工程師
7. 決策算法工程師
8. 規劃算法工程師
9. 控制算法工程師

• 非算法類工程師

10. 軟件平臺開發工程師
11. 系統工程師
12. 功能安全工程師
13. 標定工程師
14. 仿真環境工程師
15. 測試工程師
16. 數據工程師
17. UI開發工程師

• 下面詳細介紹每個崗位的工作職責和需要學習的內容

2.算法工程師

2.1.激光SLAM算法工程師

• 崗位介紹：
• 采集激光傳感器數據，根據點云數據對自動駕駛車輛的周圍環境進行地圖構建。
• 負責實現基于激光傳感器的SLAM算法設計和開發，能夠覆蓋各種復雜場景的高精度地圖更新和制作。
• 技能要求：
• 使用c、c++編程；
• 需要有濾波算法知識：ESKF、EKF、UKF等；
• 同時需要學習G2O、ceres等用來優化非線性誤差函數的c++框架。
• 熟悉開源SLAM框架，如GLoam、kimera、VINS等優先；

2.2.視覺SLAM算法工程師

• 崗位介紹：
• 以VSLAM為基礎，研發機器人自主導航定位算法，包括基于激光雷達、陀螺儀、里程計、視覺等多信息融合，構建機器人運動模型
• 技能要求：
• 學習常用的VSLAM算法，如ORB-SLAM、SVO、DSO、MonoSLAM，VINS以及RGB-D等；
• ROS機器人操作系統；
• 需要有濾波算法知識：ESKF、EKF、UKF等；
• 同時需要學習G2O、ceres等用來優化非線性誤差函數的c++框架。

2.3.多傳感器融合算法工程師

• 崗位介紹：
• 將相機、激光雷達、毫米波雷達等多傳感器的信息處理和融合，提高自 主駕駛車的環境感知能力；
• 負責基于多源信息融合的目標檢測、跟蹤、識別與定位；
• 負責基于多源信息融合的環境特征抽取，為地圖構建提供支持；為基于基于多源信息融合的導航定位提供支持。
• 技能要求：
• 掌握camera、毫米波雷達、激光雷達、慣性導航等相關數據解析融合算法；
• 計算機信息科學、電子工程或數學相關專業本科及以上學歷，具備扎實的計算機理論基礎
• 精度相機模型、多視覺幾何、Bundle Adjustment 原理，有SfM、幾何測距等項目經驗
• 精通C/C++，熟悉Matlab，良好的面向對象編程思想和編碼習慣
• 熟悉IMU、GPS、DR等慣導定位算法框架
• 熟悉IMU、GPS、車身系統原理、硬件特性、標定算法

2.4.機器學習算法工程師

• 崗位介紹：
• 該方向主要負責車輛行駛過程中產生的數據在工程上的應用，偏向于數據分析方向，如車輛行駛里程的影響分析、大數據分析建模等等。
• 技能要求：
• Python，C/C++
• 學習機器學習的基礎理論算法，如 LR、GBDT、SVM、DNN等等；
• 學習scikit-learn 等傳統機器學習框架的模型訓練；
• 熟悉 PyTorch、TensorFlow等深度學習框架（偏神經網絡部分）等等。

2.5.計算機視覺算法工程師

• 崗位介紹：
• 該方向主要基于攝像頭傳感器，主要包括：車道線檢測、車輛等障礙物檢測、可行駛區域檢測、紅綠燈等交通信息檢測等等。
• 技能要求：
• C/C++，Python，OpenCV；
• 需要機器學習的基本算法 ( 降維、分類、回歸等 )；
• 需要學習深度學習，深度學習框架；
• 學習計算機視覺和圖像處理的常用方法 ( 物體檢測、跟蹤、分割、分類識別等 ) 。

2.6.自然語言處理算法工程師

• 崗位介紹：
• 該方向主要負責車載場景下的語音識別，語音交互設計等等
• 技能要求：
• 學習機器學習算法、深度學習算法（RNN）；
• 自然語言處理基本任務（分詞、詞性標注、句法分析、關鍵字抽?。?/li>
• 需要使用機器學習方法聚類、分類、回歸、排序等模型解決文本業務問題；
• 熟悉 PyTorch、TensorFlow等深度學習框架（偏RNN部分）等等。

2.7.決策算法工程師

• 崗位介紹：
• 自動駕駛的決策是將感知模塊傳遞的信息，轉化成車輛的行為，達到駕駛的目標。例如，汽車加速、減速、左轉、右轉、換道、超車都是決策模塊的輸出。決策需要考慮到汽車的安全性和舒適性，保證乘客的安全的情況下，盡快到達目標地點。
• 技能要求：
• c/c++/python，熟悉ROS系統；
• 學習常用的決策算法，如決策狀態機、決策樹、馬爾可夫決策過程，POMDP等；
• 如果往深里學的話，需要熟悉機器學習算法（RNN、LSTM、RL），掌握至少一種深度學習框架（比如gym或者universe等深度強化學習平臺）；
• 熟悉車輛運動學和動力學模型。

2.8.規劃算法工程師

• 崗位介紹：
• 規劃包括路徑規劃和速度規劃
• 規劃算法中，自動駕駛車輛首先通過路徑規劃確定車輛可行駛的路徑，然后選擇該路徑確定可行駛的速度。
• 技能要求：
• c/c++/python，ROS機器人操作系統；（有些公司是用Matlab/simulink開發的）
• 學習常見路徑規劃算法，例如A、D、RRT等；
• 學習一些曲線的表示方法，如：五次曲線、回旋線、三次樣條曲線、B樣條曲線等；
• 如果往深里學的話；學習軌跡預測算法，如MDP、POMDP、Came Theory等；
• 學習深度學習和強化學習技術也是加分項，例如RNN、LSTM、Deep Q-Learning等；
• 有數學理論基礎和背景，熟悉車輛運動學和動力學模型。

2.9.控制算法工程師

• 崗位介紹：
• 一般是對車輛橫縱向動力學建模，然后開發控制算法，實現車輛運動控制等；
• 這個崗位跟車輛打交道較多，對于傳統車廠轉型到自動駕駛領域的伙伴來說，是個很好的切入機會。
• 技能要求：
• C/C++、Matlab/Simulink
• 學習自動控制理論基礎，學習現代控制理論；
• 學習PID、LQR、MPC算法；
• 學習車輛運動學、動力學模型，對汽車的底盤有一定了解；
• 學習CarSim等仿真軟件；
• 學習ACC、AEB、APA、LKA、LCC等輔助駕駛功能開發的是加分項；
• 擁有實車調試經驗也是加分項。

3.非算法類工程師

3.1.軟件平臺開發工程師

• 崗位介紹：
• 設計和實現自動駕駛軟件平臺，包括內核修改/擴展、驅動程序實現/增強、中間件實現/增強、系統集成、性能/功耗優化、壓力/穩定性/符合性測試；
• 負責搭建系統架構、編寫底層驅動程序；
• 負責視覺相關算法在嵌入式處理器（GPU、DSP、ARM等平臺）上的代碼實現及性能優化、測試和維護；
• 協助算法工程師完成算法在嵌入平臺上的移植、集成、測試和優化。
• 技能要求：
• C/C++編程技巧、Python；
• 具有嵌入式操作系統和實時操作系統的內核或驅動開發經驗，熟悉QNX、ROS；
• 熟悉軟件調試和debug工具；
• 了解車輛ADAS ECU和傳感器，如雷達、攝像頭、超聲波和激光雷達；
• 熟悉通用診斷服務（UDS）、控制器局域網（CAN）；
• 熟悉通信協議（CAN、UDS、DoIP、SOME/IP、DDS、MQTT、REST等）是加分項。

3.2.系統工程師

• 崗位介紹：
• 負責客戶需求對接，以及與內部開發人員的需求釋放；
• 負責無人駕駛軟件系統框架構建 ；
• 負責模塊化、可驗證的系統軟件架構設計和實時性能優化；
• 與硬件、算法和測試團隊合作，集成并優化自動駕駛系統。
• 技能要求：
• 擁有扎實的計算機基礎理論知識（如：自動控制、模式識別、機器學習、計算機視覺、點云處理）；
• 具有嵌入式操作系統和實時操作系統的內核或驅動開發經驗；
• 具備很好的溝通表達能力和團隊合作意識

3.3.功能安全工程師

• 崗位介紹：
• 在產品全生命周期內對產品的功能安全進行支持
• 負責無人/自動駕駛系統產品的功能安全系統設計,并對現有流程提出改進意見;
• 負責無人/自動駕駛系統的危險分析(HARA, FMEAs, FMEDA, FTA）;
• 負責無人/自動駕駛系統的安全目標定義;
• 負責無人/自動駕駛系統的安全需求定義;
• 技能要求：
• 精通ISO26262并有自動駕駛或者ADAS系統功能安全項目實施經驗；（在傳統車廠做功能安全想要轉行的也可以考慮）；
• 了解FMEA，FMEDA，FMEA-MSR，FTA等相應的方法；

3.4標定工程師

• 崗位介紹：
• 負責自動駕駛多傳感器標定，包括GPS、IMU、LiDAR、Camera、Radar 和 USS 等；
• 設計實現傳感器內參外參標定算法，搭建多傳感器標定系統；
• 負責對標定參數進行相關車輛測試，給出測試報告。
• 技能要求：
• C++編程, 熟悉 Linux及ROS系統；
• 有傳感器標定工作經歷，熟悉視覺或激光 SLAM 算法；

3.5仿真環境工程師

• 崗位介紹：
• 該方向需要參與自動駕駛相關仿真系統的搭建，包括車輛動力學相關仿真，各類虛擬傳感器模型和虛擬場景的建模與仿真，根據測試案例搭建測試場景，執行自動駕駛算法仿真測試等等；
• 負責搭建無人駕駛模擬系統，對汽車、傳感器、環境進行軟件模擬。模擬結果將與真實數據一同用于預測汽車在真實場景中的行為；
• 配合駕駛決策、路徑規劃、仿真算法等模塊，實現自動駕駛閉環仿真，并可視化相關調試信息。
• 技能要求：
• MATLAB/simulink、Python/C++
• 熟練操作一種常用車輛動力學或無人車相關仿真軟件，比如Perscan、Carsim、Carmaker等；
• 熟悉機器人操作系統ROS等；
• 有的仿真崗位純屬于做仿真，但有的崗位需要做仿真環境的開發，這樣的崗位對編程要求會更高一些。

3.6測試工程師

• 崗位介紹：
• 該方向主要負責自動駕駛車輛的相關測試工作，測試自動駕駛系統功能各項指標的性能，評估其邊界條件和失效模式；
• 負責自動化測試（SIL、HIL）的設計實現及智能駕駛產品的相關驗證；
• 負責根據系統或產品的功能需求制定測試用例和測試計劃；
• 負責制定完整的系統或產品的測試計劃并實施，最后撰寫測試報告；
• 收集和測試系統的邊界樣例，對智能駕駛系統的安全性進行評估，對技術提出合理的反饋。
• 技能要求：
• 熟悉Ubuntu/Linux操作系統，會寫python腳本
• 熟悉CAN總線；
• 熟悉測試用例的編寫方法和技巧；
• 熟悉圖像識別算法，熟悉深度學習，掌握spark等大數據相關工具者加分；
• 熟悉激光雷達，毫米波雷達，超聲波探頭和攝像頭的應用是加分項。

3.7大數據開發工程師

• 崗位介紹：
• 數據包括后臺數據架構和前臺呈現。一輛自動駕駛車每天都要生成1個T的數據量。數據該怎樣快速清洗、提煉、總結，比如怎樣迅速找出一次路測中最重要的幾次介入（disengagements）。從而更高效的幫助工程師測試。
• 負責自動駕駛大數據平臺系統的設計、開發和優化；
• 負責自動駕駛數據標注與處理流程的可視化工具開發，自動化標注平臺的設計與研發。
• 技能要求：
• 具備扎實的數據結構及算法功底；
• 精通Java/Python/C++等至少一門高級編程語言；
• 熟悉Linux開發環境；
• 有基于SQL或No-SQL數據庫的應用程序的設計、開發經驗；
• 熟悉REST服務及Web標準，熟悉一種主流前端開發框架，如React/AngularJS，能獨立構建前端應用者加分；
• 熟悉自動駕駛及相關的Lidar、Camera等傳感器數據者加分。

3.8UI開發工程師

• 崗位介紹：
• 每個公司都需要搭建內部工具，用于驗證整車開發。也需要給遠程控制中心做各種交互頁面，通過一個UI遠程控制自動駕駛車。同時也包括車廂內為乘客準備的UI。喜歡設計或者擅長前端的朋友可以考慮。
• 技能要求：
• 具有優秀的審美和豐富的視覺表現力；
• 精通色彩、圖形、信息和GUI設計原則及方法。

4.結尾

最后，國家政策正在大力推廣新能源智能化汽車，希望越來越多的伙伴一起加入到自動駕駛行業。

原文鏈接：https://mp.weixin.qq.com/s/d41a5VYtJ4lvMP3GO6In_g