本文用于定期汇总发表的高质量干货文章内容，方便大家进行检索和阅读。如果我的文章和专栏内容对屏幕前的你求职和实习有帮助的话，欢迎关注我，并对文章点赞、评论、收藏、送花，一键四连。此外，还可以订阅我的专栏进行支持，你们的鼓励就是我持续输出的强大动力，非常感谢！自我介绍本人是24届帝都985硕士毕业生，通信工程专业，非科班出身。读研期间有四段为期一年半左右的自动驾驶感知算法岗以及一段国有四大行总行科技岗的实习经历，现担任某头部企业的自动驾驶感知算法工程师。本人在秋招和提前批的过程中拿到了多家互联网大厂和央国企的Offer⭐：互联网大厂：秋招拿下百度、华为、理想、美团、地平线、蔚来、轻舟智航、小米、毫...

一、论文导读在本文中，作者利用了车载不同传感器之间信息互补的优势，提出了首个基于Fusion-to-Fusion的跨模态蒸馏感知算法框架，超越了现有的诸多跨模态蒸馏感知算法，在nuScenes数据集上取得了优异的感知性能二、论文研究背景3D目标检测在自动驾驶感知模块当中扮演着非常重要的一环。在诸多传感器中，激光雷达、摄像头和毫米波雷达是实现道路上自动驾驶的最常见配置选择。将不同类型的传感器信息进行融合已经被证实可以显著提升感知算法模型的表现性能。Lidar-Camera（LC）已被广泛证明是当前3D目标中性能最佳的传感器配置组合。相比于激光雷达，毫米波雷达能够适应各种天气和光照条件，具有汽车级...

一、论文导读作者提出了相机和毫米波雷达多模态融合的3D目标检测算法RCBEVDet，在nuScenes和VoD数据集的3D目标检测任务上实现了SOTA的表现性能，超过了现有的camera-only以及radar-camera的3D目标检测算法，RCBEVDet和其他算法模型的速度和精度对比如下二、网络模型结构&技术细节梳理下图展示了RCBEVDet算法模型的整体网络结构通过上图可以看出，RCBEVDet中包括两个核心模块，分别是RadarBEVNet编码得到雷达BEV特征。然后利用Cross-attention Multi-layer Fusion融合图像和雷达的BEV特征，最后接3D...

一、论文导读作者提出了一种同时考虑了双向BEV特征构建流程的视觉3D目标检测算法DualBEV，在nuScenes数据集上实现了55.2%的mAP和63.4%的NDS的SOTA感知结果，超过了现有的单向BEV构建算法BEVDepth、BEVFormer以及双向BEV构建算法FB-BEV，DualBEV的核心思路如下二、网络模型结构&技术细节梳理通过整体网络框架图可以看到，DualBEV首先利用图像主干网络提取环视图像的特征，然后利用SceneNet网络预测像素的深度概率以及实例掩码区域，将二者喂入到Prob-LSS分支和HeightTrans分支得到LSS特征和HT特征。然后利用提出的...

在3-4年前，那个时候的智驾行业还处于快速的蓬勃发展期，很多企业都涌入了智驾的赛道但随着现在智驾行业趋于饱和，目前已经进入了下半场，领先的头部公司疯狂的拿各种量产订单，各类车企的定点，但是靠后的智驾供应商们可能连汤都喝不到智驾行业的小伙伴们，你们怎么看现在的智驾这个赛道呢

一、论文导读在本文中，作者提出了一种充分利用图像语义信息生成BEV空间特征的感知算法SA-BEV，缓解了BEV空间中大量背景信息淹没前景目标特征的问题，超越了当时现有的3D目标检测算法，在nuScenes数据上实现了SOTA。二、论文研究背景目前，由于纯视觉的BEV感知算法部署成本低得到了来自工业界和学术界的广泛关注，同时以LSS分支的BEV生成范式部署更加友好得到了工业界的广泛采纳和使用。该范式的核心思路是根据图像特征预测离散深度信息生成图像特征点云，然后将这些图像特征点云投影到BEV空间。但是LSS的BEV生成范式没有充分利用图像特征的语义信息，并且会注入大量淹没物体特征的背景信息。考虑到...

一、论文导读在本文中，作者提出了纯视觉输入的端到端矢量化高精地图在线构建算法MapTR，在nuScenes数据集上实现了速度和精度的SOTA性能，超过了现有的其他矢量地图构建算法（单模或者多模态算法），MapTR算法的在线建图效果如下所示二、论文研究背景矢量高精地图当中包含了道路拓扑的丰富语义信息和交通规则，这些信息对于自动驾驶汽车的感知和导航任务都至关重要。传统的高精地图主要是采用基于SLAM的方法进行离线构建，导致高精地图构建和维护成本高、地图鲜度低等问题。由于目前的矢量高精地图在线构建算法需要复杂和耗时的后处理流程，效率较低，很难在实际驾驶场景中进行应用；同时，与目标检测任务不同，矢量化...

作为一名智驾感知算法工程师，始终保持对技术的敏感度我觉得是非常重要的对于Follow学术界的最新技术而言，多刷相关论文，比如BEV、Occupancy、在线建图，还有现在很火的端到端，大模型相关的也需要看看，我自己也创建了一个日常读智驾论文的专栏，记录自己学习的点点滴滴对于Follow工业界的落地技术而言，就是多看各家公司的AI Day，脚踏实地，看看各家的智驾技术到底发展到了什么样子Anyway，作为算法工程师，持续follow新技术，始终保持一个对于职业的思考，求职思考。到时候，回过头来看，那就是我们的来时路！最后，我也将自己秋招求职时候的面经整理成了专栏的形式，感兴趣的小伙伴可以看看。

一、论文导读在本文中，作者提出了一种将多帧时序信息加入到Radar-Camera多模态的感知算法CRT-Fusion，在利用多模态特征互补优势之外，充分利用多帧时序信息，超越现有的Radar-Camera多模态融合方法，在nuScenes上实现了SOTA二、论文研究背景目前，来自工业界和学术界的大量研究工作表明，多传感器融合策略可以提升感知算法模型的鲁棒性。此外，通过向感知算法模型中加入额外的时序帧信息，可以缓解单帧数据中存在的遮挡、传感器失效以及其他因素造成的性能退化问题。目前，已经有一些研究工作将时序信息加入到Radar-Camera融合的框架中，这类融合框架通过将Radar和Camera...

一、论文导读在本文中，作者提出了一种纯视觉输入的基于路径的在线车道地图构建算法LaneGAP，实现了性能和推理速度的进一步提升，超越了现有的基于像素和基于段的车道地图构建算法，并且在OpenLane-V2数据集上实现了SOTA的建图性能二、论文研究背景车道线地图包含了详细的车道级交通信息，并为自动驾驶车辆的轨迹规划任务提供了指导。但是传统的车道线地图构建方案主要是采用离线的构建方式，地图的鲜度无法得到很好的保证。因此，利用车载传感器进行在线的车道地图具构建具有很大的应用和学术价值。目前主流有两种车道地图构建方案，第一种是基于像素的构建方案，另外一种是基于段的构建方案Pixel-wise方法：以...

一、论文导读在本文中，作者提出了一种基于纯视觉输入的矢量形式的端到端自动驾驶算法VAD，以完全矢量化的方式对整个驾驶场景进行建模，超越了当时现有的端到端解决方案UniAD，在nuScenes数据集上实现了SOTA的性能和效率二、论文研究背景传统的自动驾驶解决方案主要采用模块化的设计思路，其中感知和规划被解耦为独立的模块。但这会造成规划模块的输出结果完全基于感知模块的精度，感知的误差可能会严重影响到规划模块，也就是所谓信息传递是有损的，进而导致一些安全问题。所以，端到端的解决思路是将传感器数据作为感知的输入，用一个整体模型输出规划结果。此外，根据将传感器采集到的信息进行场景表达方式的不同，可以分...

🌈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...

🌈 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...

🌈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...

作为一名在读研期间共持续了1年零9个月的智驾感知算法实习生而言，在我结束最后一段感知算法实习，回学校准备毕业论文收尾工作的时候，写了一篇《自驾实习杀青！自驾算法工程师即将登场！》的笔记，不知不觉到现在已经过去将近2周的时间了（看来轻松愉快的时光总是短暂的❗）实习期间，除了晚上回学校，一天基本都在公司度过，实话实说，早已感觉自己脱离了学生时代，成为了一名社畜打工人。回到学校之后，现在每天感受着校园里的欢快时光，完全没有各种工作消息以及业务数据指标的压力，仿佛又回到了学生时代，一时有些恍惚，就想记录一下自己在实习期间的工作日常📊对我个人而言，我把自己的实习工作简单分成三种模式，分别是日常工作模式...

🌈 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...