岗位职责：

1.参与工业焊接场景下面阵3D相机点云处理及点云配准算法的研发、测试与优化；

2.参与面阵3D相机点云预处理，包括滤波、下采样、法向估计、关键点及局部特征提取等；

3.参与改进经典点云配准算法，包括 ICP、GICP、RANSAC、FPFH 等方法，分析不同算法在工业场景中的精度、速度和鲁棒性；

4.参与工件点云与 CAD / 模板点云之间的粗配准、精配准及6D姿态估计；

5.研究点云中的局部/全局几何特征描述方法，并针对低重叠、噪声、遮挡、重复结构等实际问题进行算法改进；

6.调研并验证基于深度学习的点云特征提取和点云配准方法，包括学习型局部特征、特征匹配及端到端点云配准等方向；

7.使用 Python / PyTorch 快速完成算法原型、模型训练以及实验验证；

8.参与深度学习模型的工程部署，了解 PyTorch → ONNX → C++ 推理的基本流程；

9.对配准算法进行定量评估，包括配准误差、匹配率、重叠率、计算时间及算法稳定性分析；

10.配合团队完成算法在真实3D相机、工件以及机器人系统中的测试验证。

任职要求：

1.计算机视觉、人工智能、机器人、自动化、电子信息、机械电子等相关专业，研究生在读；

2.熟悉 Python，能够使用 NumPy、SciPy、Matplotlib 等工具进行基本的数据处理和算法验证；

3.了解 C++，能够阅读、修改以及编写基本算法代码；

4.掌握基本的3D几何知识，包括点、向量、法向量、旋转矩阵、刚体变换以及坐标系变换；

5.了解基本的点云处理方法，如滤波、下采样、法向估计、KD-Tree、最近邻搜索等；

6.了解至少一种点云配准算法，例如 ICP、RANSAC、FPFH、GICP 等；

7.对基于深度学习的点云特征提取 / 点云配准 / 6D Pose Estimation有较强兴趣；

8.具备阅读英文论文和复现算法的能力。