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。 任职资格: 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。 基础信息：工作地点：苏州；学历要求：硕士；经验要求：经验不限；岗位类型：实习；实习月数：3；每周到岗天数：5；提供实习证明：否；可转正：是 岗位标签：配准算法；3D点云