自动驾驶算法工程师简历模板

• 负责高速NOA场景BEV感知模型设计与训练，检测mAP提升6.2个点，误检率下降28%。
• 主导感知模型TensorRT量化与车端部署优化，单帧推理时延由42ms降至27ms。
• 搭建多目标跟踪评测流水线，覆盖10万+帧真实路测数据，跟踪MOTA提升至78.5%。

• 参与Apollo园区低速自动驾驶感知模块开发，完成激光雷达点云3D检测模型迭代。
• 优化点云预处理与后处理流程，单帧处理耗时降低22%，支撑日均5000公里路测。

• 设计基于Transformer的多摄像头BEV特征融合网络，实现车辆、行人、锥桶统一检测。
• 引入时序融合与数据增强策略，夜间与雨天场景召回率提升15%，已量产上车3款车型。

• 完成FP16与INT8混合量化方案，精度损失控制在0.8个点以内。
• 基于TensorRT重构推理引擎，车端算力占用降低30%，满足Orin平台实时性要求。

研究方向为计算机视觉与多传感器融合，参与国家重点研发计划课题1项。

主修课程：模式识别、线性代数、最优化方法。