AMAZING RESUME
牛敬业
自动驾驶感知算法工程师
188****5479niu****@***.com北京30男自动驾驶感知算法工程师在职北京30k-50k •深入参与智能驾驶实验室课题研究，设计基于Transformer的点云分割模型，发表ICRA论文1篇，获校级科技竞赛金奖
•完成《多模态感知系统》课程设计，带队开发校园自动驾驶小车，在复杂交通场景识别任务中准确率超92%
•担任实验室技术骨干，指导本科生完成3项车路协同创新项目，其中1项获国家级大学生创新训练计划立项
自动驾驶感知算法工程师目标检测优化实时感知系统场景适配
北京
•主导车载视觉系统核心算法开发，涵盖3D目标检测、动态跟踪及道路语义分割，适配城市道路与高速公路多场景需求
•优化目标检测网络结构，在NuScenes数据集上目标检测精度排名全球前3%，较基线模型提升12%，推理速度达25ms/帧
•与车企联合调试感知模块，支持3个城市的Robotaxi试运营，累计安全测试里程超15万公里，误检率降至0.3%以下
高级自动驾驶感知算法工程师异构传感器协同工程化部署数据闭环
北京
•设计多模态传感器协同感知架构，整合双目摄像头、9线激光雷达与77GHz毫米波雷达数据流
•构建基于深度学习的传感器校准网络，结合自适应加权融合策略，雨雾场景下目标检测准确率提升25%
•推动感知算法工程化落地，与特斯拉FSD团队技术对齐，完成3款量产车型的感知模块集成，已交付车辆超8万辆
•建立感知数据闭环体系，通过真实路测数据自动挖掘长尾场景，模型迭代周期缩短40%
•项目背景：针对城市道路中密集车辆与行人交互场景，开发高鲁棒性视觉感知系统，解决传统方案在动态遮挡下的漏检问题
•技术方案：基于BEVTransformer架构，结合自研时序融合模块，引入对抗训练提升恶劣天气适应性，采用INT8量化压缩模型体积
•项目成果：在Cityscapes+自定义数据集上mAP达88%，实时性32fps，已在小鹏P5测试车上部署，累计验证8万公里，误检率低于0.4%
高速公路极端天气多源融合感知平台 - 核心算法研发
2020.03-2021.06
•项目背景：解决雨雾雪天气下激光雷达点云稀疏、摄像头成像模糊导致的感知失效问题，保障高速公路自动驾驶安全
•技术方案：设计多传感器时序对齐机制，结合深度学习的动态权重分配算法，创新性引入红外热成像辅助目标识别
•项目成果：在自建极端天气数据集上融合检测准确率提升22%，跟踪连续性提升30%，支持比亚迪汉EV车型完成12万公里高速测试，成功应对冰雹、浓雾等17类特殊场景
痴迷于让机器'看懂'道路，习惯用代码复现论文并验证边界条件，周末常跑Carla仿真积累极端场景样本。对算法鲁棒性有近乎苛刻的追求，擅长在算力约束下平衡精度与实时性。掌握多传感器融合与3D目标检测核心方法，开源社区活跃，主导的传感器校准工具包被10+车企采用。期待在感知算法工程化道路上持续突破，用技术推动自动驾驶安全落地。
深度学习框架应用（PyTorch Lightning） 知识产权:
发明专利：《一种面向长尾场景的感知模型蒸馏方法》，专利号：ZL202210987654.3
发明专利：《复杂光照条件下的视觉特征增强算法》，专利号：ZL202311234567.8
开源贡献:
开源自动驾驶数据闭环处理工具集（https://github.com/xxx/data_pipeline），支持多格式点云解析与自动标注，累计获得 2000+ Star，被多家初创团队采用
贡献 Apollo 自动驾驶平台感知模块，优化后处理算子逻辑，修复 5 处长尾场景下的误检 Bug，代码合入主干分支
