1、高精度视觉SLAM系统研发：面向具身数据采集设备，研发基于视觉的高精度位姿估计系统，实现长序列场景下厘米级定位精度与全局一致性。重点解决尺度漂移、累计误差、动态干扰等问题，构建稳定可靠的SLAM/SfM pipeline。 2、面向3D重建的相机位姿优化：为 3D Gaussian Splatting 等神经重建方法提供高精度相机轨迹，优化多视角几何一致性与时序稳定性，降低pose jitter对渲染与重建质量的影响。 3、多模态数据高精度对齐与标定：实现图像与点云数据的精确对齐与联合优化，包括相机-激光雷达外参标定、时序同步误差建模以及基于重投影误差的联合优化，提升跨模态数据的一致性与精度。 4、系统工程化与鲁棒性优化：负责SLAM系统的工程实现与性能优化，提升在真实复杂场景（高速运动、光照变化、动态物体等）下的稳定性，并推动算法在数据生产与重建管线中的集成与落地。

1、扎实的SLAM与多视角几何基础：深入理解视觉SLAM / SfM核心原理，包括相机模型、PnP、三角化、Bundle Adjustment、回环检测等，熟悉 ORB-SLAM3、COLMAP 等系统或同类实现。 2、优化与视觉前端能力：熟悉特征提取与匹配（如ORB/SIFT或学习型特征），具备鲁棒跟踪与数据关联能力，掌握基于Ceres/g2o等工具的非线性优化方法，能够进行误差建模与系统稳定性优化。 3、多传感器融合与标定经验：具备图像与点云融合经验，熟悉相机-激光雷达外参标定、时间同步与误差补偿方法，有联合优化（visual-lidar fusion）实践经验者优先。 4、工程实现能力：出色的C++/Python编程能力，熟悉OpenCV、Eigen、PCL等常用库，具备大规模数据处理与系统调试经验。 5、加分项：有高精度建图（厘米级）或自动驾驶定位经验，熟悉VIO/LIO等紧耦合系统，或具备 Neural Radiance Field / 3DGS重建相关经验者优先。