🌈 持续分享自动驾驶算法相关技术干货内容，新闻资讯，大厂实习和秋招准备思路以及算法岗求职面经

💫 自动驾驶感知算法实习、秋招面经合集可看智驾感知算法求职面经（答案版）专栏：

《旷视迈驰自动驾驶感知算法实习面经》

《美团自动车配送部感知算法实习面经》

《小米自动驾驶感知算法实习面经》

《轻舟智航自动驾驶感知算法实习面经》

《博世自动驾驶感知算法实习面经》

《地平线自动驾驶感知算法提前批面经》

《百度自动驾驶感知算法提前批面经》

《蔚来自动驾驶感知算法实习面经》

《华为车Bu自动驾驶感知算法秋招面经》

《理想自动驾驶感知算法秋招面经》

《零一汽车自动驾驶感知算法实习面经》

《商汤自动驾驶感知算法实习面经》

《滴滴自动驾驶感知算法秋招面经》

《酷睿程自动驾驶感知算法实习面经》

《速腾聚创自动驾驶感知算法秋招面经》

该专栏汇总了本人在秋招和实习期间拿到的华为车Bu、小米、轻舟智航、理想、地平线、百度、美团、蔚来、旷视等多家公司Offer的感知算法面经，并将面试中的重点问题给出了参考答案，供各位同学参考。

一、第一轮技术面试

• Q1：自我介绍
• 面试官先从简历中涉及到的实习项目出发，对实习项目中涉及到的相关技术进行提问和交流
• Q2：问了一个关于BEVFormer算法模型的实习项目，重点询问了BEVFormer算法模型在业务数据上的相关情况？
• A2：这个问题可以从BEVFormer算法的参数量、是否方便实车部署、在业务数据上的表现效果等方面来回答。
• Q3：在实习期间，让你印象最深的一个项目是哪一个，简单介绍一下？
• A3：一般介绍项目的时候，介绍顺序一般为项目背景+采用的技术路线+遇到的困难和挑战+实验指标/实验结论四个方面来说。
• Q4：是否了解目前比较新的BEV感知算法，简单做一下介绍？
• A4：可以从纯视觉、纯激光雷达或者多模态（Lidar+Camera）、（Radar+Camera）介绍；该问题重点是考察候选人对于新技术的follow程度。
• Q5：是否了解传感器之间的坐标系变换过程，简单介绍一下？
• A5：重点是ego坐标系、相机坐标系、图像坐标系、激光雷达坐标系之间的转换关系（可以参考视觉SLAM十四讲中的内容）。
• Q6：是否了解目前比较新的在BEV感知算法中的端到端3D检测算法模型，简单介绍一下？
• A6：可以参考类似PETR、PETRv2等相关端到端3D目标检测算法。该问题重点是考察候选人对于新技术的follow程度。
• Q7：可能组内使用过一段时间的BEVDepth算法模型，让我对这个算法模型进行一下介绍
• A7：回答算法模型介绍类问题，可以从网络模型结构、主要创新点以及和其他同类算法相比的优缺点等方面介绍。
• 代码考察
• 写一下2D目标检测的非极大值抑制后处理算法（NMS）

二、第二轮技术面试

• Q1：自我介绍
• 感觉第二轮的面试官比较侧重对于基础知识的考察，实习项目经历和基础知识的提问差不多一半一半，考察了不少关于计算机视觉、2D、3D检测的相关的内容
• Q2：项目的出发点、采用的技术路线以及最后在业务数据集上的涨点情况？
• A2：主要从项目背景+采用的算法模型+遇到了哪些技术难点+解决方案+最终效果几个方面来回答。
• Q3：项目中使用的算法模型具有哪些优缺点？
• A3：可以从算法模型的网络结构、实际数据上的表现性能、是否方便实车部署角度来回答。
• Q4：针对项目中使用的算法模型后续做了哪些方面的改进
• A4：这部分面试官主要考察你对于模型的理解，以及遇到发现问题&解决问题的能力。
• Q5：2D目标检测任务中常用的分类和回归损失都采用什么，简单介绍一下？
• A5：一般来说回归损失常用Smooth L1 Loss & IoU Loss；分类损失常用Focal Loss。
• 代码考察
• 写一个快速排序