1. 众包数据 3D 重建： 开发基于 3DGS 的自动化管线，将来自不同车辆、不同光照条件的众包视觉序列转化为高质量的 3D 场景模型。 2. 视觉位姿对齐： 解决众包数据中 GPS 精度不足的问题，利用 SfM (Structure from Motion) 或 Visual SLAM 技术实现多车影像在统一坐标系下的高精度对齐。 3. 弱监督深度估计： 使用单目深度估计或多视图几何约束，提升 3DGS 在纹理缺失区域（如平滑墙面、地库地面）的重建准确性。 4. 动态物体剔除： 开发鲁棒的 Mask 算法，从众包视频中剔除临时停靠的车辆和行人，还原“干净”且可编辑的 PUDO 静态底图。 5. 场景编辑与泛化： 负利用 3DGS 的可编辑性，改变场景的光照（晴天变雨天）、障碍物位置（模拟不同违停位置）。 6. 生成式3DGS：探索用大模型生成3DGS的方式

1、统招本科及以上学历，硕士优先，计算机科学与技术、软件工程、人工智能、模拟识别与智能系统等相关专业背景。 2、熟悉 3DGS、NeRF、点云、三维重建 3、掌握Python/C++，熟悉仿真引擎（UE5、Unity） 4、熟悉自动驾驶仿真、高精地图、相机标定 5、会处理图像/点云数据，做场景重建与渲染优化