Разработчик на С++ в команду калибровок автономного транспорта

Для качественной и стабильной работы систем распознавания и локализации автономного транспорта необходимо иметь хорошо скалиброванные сенсорные данные. Важно с большой точностью вычислять положение лидаров, камер, радаров, акселерометра и гироскопа друг относительно друга и относительно корпуса автомобиля, а также определять внутренние свойства отдельных датчиков, такие как параметры кривизны линз камер. Созданием процедур калибровки сенсоров во время сборки и техобслуживания, а также механизмов поддержания скалиброванности во время эксплуатации и занимается команда калибровок.

Какие задачи вас ждут

Усовершенствование алгоритмов калибровки
Вы будете развивать методы оценки внутренних параметров сенсоров и их взаимного расположения как с использованием специальных калибровочных мишеней, так и без них. Необходимо повышать точность и надёжность алгоритмов, улучшать их производительность, адаптировать под новые платформы и конфигурации сенсоров.

Создание механизмов докалибровки сенсоров во время эксплуатации
В том числе: адаптация существующих «тяжёлых» офлайн-алгоритмов под ограничения железа во время работы пайплайна автономного автомобиля. Анализ и реализация SOTA-решений в области онлайн-калибровок. Разработка детекторов состояния раскалиброванности.

Автоматизированная приёмка калибровок
Основной целью является исключение человеческого фактора из приёмки результатов. Упрощение процедур ради возможности их проведения неквалифицированным персоналом. Уменьшение завязки процедур на конкретные условия проведения калибровки и её проверки.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

Мы ждем, что вы

• Обладаете хорошим математическим бэкграундом и готовы погружаться в мир SOTA-решений в области калибровок
• Отлично владеете C++
• Знаете классические алгоритмы и структуры данных
• Умеете профилировать и оптимизировать код

Будет плюсом, если вы

• Разбираетесь в сфере компьютерного зрения и проективной геометрии
• Занимались калибровкой камер или фотограмметрией (OpenCV, COLMAP, etc.)
• Работали с 3D-сенсорами (лидарами, сканерами структурированной подсветки, ToF-камерами)
• Разбираетесь в нейросетевом компьютерном зрении
• Знакомы со SLAM или с оптимизацией на фактор-графах
• Взаимодействовали с Ceres, g2o или GTSAM
• Использовали GPU для ускорения вычислений