自动驾驶感知算法工程师简历模板

在校期间，系统学习了计算机视觉、机器学习等专业课程，GPA 3.8/4.0，排名前5%。参与了多项科研项目，发表学术论文2篇，其中一篇被EI收录。

• 负责自动驾驶视觉感知算法的研发，包括目标检测、跟踪、语义分割等。
• 优化算法性能，提升检测精度和速度，在公开数据集上取得了Top 5%的成绩。
• 与团队协作，完成多个自动驾驶项目的感知模块开发，项目落地3个城市，累计测试里程超10万公里。

• 主导自动驾驶多传感器融合感知算法的研发，融合摄像头、激光雷达、毫米波雷达数据。
• 设计并实现了高效的融合算法框架，提升了复杂场景下的目标检测准确率20%。
• 带领团队攻克了恶劣天气（雨、雾、雪）下的感知难题，相关技术已申请专利3项。
• 与合作伙伴（如Mobileye）技术对接，推动算法在量产车型上的应用，量产车型已交付10万辆。

• 项目背景：为解决城市复杂道路场景下的自动驾驶感知问题，开发高精度视觉感知系统。
• 技术方案：采用深度学习模型（如YOLOv5改进版），结合数据增强、模型压缩技术。
• 项目成果：在Cityscapes数据集上，目标检测mAP达到85%，实时性达到30fps，满足自动驾驶实时性要求。系统已在公司自动驾驶测试车上部署，测试里程5万公里，感知模块误检率低于0.5%。

• 项目背景：实现自动驾驶车辆在高速公路场景下的多传感器融合感知。
• 技术方案：融合摄像头（前视、环视）、激光雷达（16线、32线）、毫米波雷达数据，采用卡尔曼滤波、粒子滤波算法进行目标跟踪。
• 项目成果：在高速公路场景数据集上，融合后目标检测准确率提升15%，跟踪稳定性提升20%。系统在公司自动驾驶测试车上进行了10万公里的高速路测试，成功应对了车辆加塞、超车、隧道等复杂场景。