自动驾驶感知算法面经(20+)

 

 

 

本人2022年4月和2023年7月两次跳槽找工作，面经总结在这里，希望可以帮到需要的朋友。

项目相关的问题主要和经历有关，参考性不大。

• 自动标注算法岗位

• 项目经历问的不深

• coding两道题。

• leetcode 55 跳跃游戏。

• NMS python。

面试体验较差，不说了。

• coding：买卖股票基础版

• 工作时间早十点，晚上八九点

第一轮：

• 项目问的比较细

• 几个公开数据集的lidar区别，对点云、模型检测的影响

• domain adaption相关的方法，如何缩放点云

• radar检测的具体优化。pointnet和pointnet++的区别

• pnp calibration

• 栏杆检测为什么不用网络学习？

• BN的mean和std的dimension，有哪些可学习的参数，train和test的时候怎么用

• coding：python 计算两批shape不一样的box的IoU。不用for循环。

• numpy的broadcast

• 自认为有技术领先性

第二轮：

• 问的都是些比较抽象的问题

• 对视觉3d检测算法的了解。

• 举例工作中遇到的困难，（技术／项目），如何解决的

• 对之前公司的感知算法的问题，看法认识

• 对未来自动驾驶算法的看法

• coding：未知形式的函数f(x)，零点在[-1,1], 求零点，精度要求1e-4

• 纯纯八股文

• c++语言特性，构造函数，析构函数

• batch norm是什么，原理

• MLP是什么， 欠拟合，过拟合，

• 是否了解量化，剪枝

• 目前是lidar为主，未来会加camera。

• 主要是做小型物流机器人。

• 在做安防机器人。

• 感知团队5-6个人，包括深度学习，slam。

• 上班时间10-7 。

• 大小周 周六上班。

没问什么技术问题，主要介绍下项目

要去合肥出差

工作时间：九点半到六点半

• 智慧城市

• 没问项目就开始coding

• coding两道题：NMS，用pytorch手写一个transformer或者conv+bn+fc

第一轮：

• 项目问的很细

• 卡尔曼滤波Q和R怎么调

• c++ 解释多态，在哪些场景应用过

• vector和list的差别，底层实现，各种操作复杂度

• template是否算一种多态？如果不在.h里面定义他的函数，在.cpp里面定义会有什么问题？

• 公司的优势：软硬件一体，易于沟通解决问题

• 客户的不同硬件平台，不同的功能需求。

第二轮：

• 又问了些项目相关的问题。

• 一堆点，找最大凸包。无序的话 用什么排序？极点排序，最慢O(n^2)

第三轮：

• 现场面试

• 介绍下最有成就感的一个项目。

• coding：快排，时间复杂度为什么是O(NlogN)

• c++ segment fault如何debug

• vector 和list底层实现，基础操作复杂度

• 问了些性格相关的问题

没有问八股，问了些大模型的较新的技术进展

llama，MAE，flamingo

transformer的encoder和decoder，position encoding，rope。

第一轮：

• 问了项目中涉及到检测跟踪的算法

• 十几个人 四个方向。检测跟踪2个人，做手机相册相关算法

• c++ vector底层实现，基本操作复杂度，

• 虚函数，设计模式有哪些，用过哪些设计模式

第二轮：

• 介绍下某项目中对模型做了哪些优化

yolov5，v6，v7

• clip有什么问题。为什么，适合什么场景

• segement anything：prompt如何输入进网络

• 认为自己擅长算法的哪些方面

• 有些算法是外包的，准备转为自研

• 泊车感知算法

• 传感器：超声波传感器和鱼眼相机

• L2行车泊车。今年年中／年末交付

• 自动驾驶在内部相对独立。

• 图像感知在北京。

• 超声波传感器换了新版。输出的信息更多了，需要招人来。

• 国资背景

• 众包地图

• 上半年刚进行改革。压力比较小。

• 八小时弹性。无事不加班。

第一轮：

• 了解哪些目标检测算法，各自的优缺点（anchor，anchor free，transformer）

• 传感器标定是怎么做的

• domain adaption怎么做的

• 描述两次代码重构的过程和思想

• 描述卡尔曼滤波的过程，具体如何解决问题的

• 后融合怎么做的，速度的gt如何得到

• coding：dbscan

第二轮：

• 是否了解learning的tracking？

• 是否了解sota的bev感知算法

• 是否能接受加班

• 早九晚六／七

– c++写的很多

• coding；岛屿数量，延伸：如何统计不同形状的岛屿，如何对不同形状建模表示

• 描述下dbscan过程

• c++ 为什么要用引用传参

• 目前lidar和融合一共20人

第一轮：

• 加班没有特别频繁。上海会新开office在虹桥／张江。

• coding：快排

第二轮：

• 问的c++问题相对较难：

• 内存分配，内存池

• 野指针，一般是什么情况下会产生，如何避免

– 智能指针，如何实现一个shared_ptr类，各个成员函数什么时候调用，成员变量什么时候更新。

• new一个新对象时候发生了什么，如何能只创建对象不分配空间？

• 调用一个派生类的构造函数时发生了什么？

• 自动驾驶support岗位，每周去车上测试一次

• 描述图像resize的过程并实现

• c++编译出现undefined reference如何debug

• 迁移软件时，出现找不到的binary怎么解决

• c++多态，虚函数，构造函数可以是虚函数吗，为什么

• 内存泄漏如何避免

• c++模板，应用场景

• 智能指针，shared_ptr, unique_ptr

• 指针和引用

• external

• 感受野怎么算，如果有branch

• 描述NMS过程

• yolo和ssd的box后处理的具体过程

• transformer的self-attention过程

• softmax为了让输出更稳定做了什么

ps：以下记录的公司相关的信息已经不太可信

·第一轮：·

• pointnet input transform，feature transform·

• coding 834. Sum of Distances in Tree hard，dp+2dfs

• C++ set和ordered set底层实现，insert和erase的复杂度

第二轮：

• 英文自我介绍&几个简单的问题

• 主要问的tracking，ukf有没有用，具体的R如何根据mean和std调整

• coding https://www.techiedelight.com/find-triplet-with-given-sum-bst/

• bst遍历的时间复杂度，3sum用左右指针的时间复杂度：O(N^2)

  • Time complexity of all BST Operations = O(h).
  • Here, h = Height of binary search tree

第一轮：

• pointnet input transform，feature transform，

• max-pooling可以用什么替代？怎样可以降低nx1024的参数量？

• batch norm解决了什么问题？有什么优缺点？需要学习哪些参数？还有其他什么norm？

• L1和L2 regularization，什么作用，具体怎么实现的，什么区别，和weight decay什么关系

• 卡尔曼滤波器，P,Q,R怎么决定K和协方差阵的？

• 状态量在平面坐标系，观测量在极坐标系，效果不好？

• coding 547. Number of Provinces graph dfs

• dfs的时间复杂度：O(N^2) 因为每个节点都要去遍历他的children，相当于两层循环

• c++：

• vector底层实现，空间是连续的吗？vector变量存在堆上还是栈上？里面的每一个值存在堆上还是栈上？

• unordered map和map，有序还是无序？底层实现，insert和erase的复杂度

第一轮

• coding：DBSCAN

• 主要业务：智能座舱+自动驾驶

• 芯片：xinqing科技

• 感知主要是lidar和camera

• 去年（2021年）获得了hdmap甲级资质

第二轮：

• radar 后融合 直接用cluster

• 偏向于lidar和camera

• 目前还在实现大部分功能

• 前装，乘用车，

• 主线：多V，多R，多lidar

• 高速+城区，逐步release

• 双休，九点半到八点，不打卡

• 徐汇滨江西岸

• 平台，系统更大，自动驾驶，芯片，智能座舱，

• 港股上市，

• 和tech lead面试的问题：

• 团队的组成？二十多个人做NN模型，研究生，平均四五年以上，大感知团队：有博士，

• zhijia，小鹏，mmt，华为，

• 自己开发的训练模型的平台，pytorch。

• 平时有发paper或者刷榜的计划安排吗? 会和平时的工作相结合，互相验证。

• 比较看重员工的什么能力？技术能力，沟通。创造力。

• 做到25年的规划。

• 23年单V落地。

• 主要客户：泊车，adas，吉利汽车下面的。还有一些联合开发。

• 一轮技术面：

• 更复杂的tracking算法。

• 传感器raw data。

• 前融合。

• freespace 用雷达

• 视觉->系统供应商->雷达

• 毫米波雷达感知七八个人，还有信号处理，一共100多人。华为，美团，江淮。

hr面试：

• 工作时间 九点半，五点半／六点半。双休，没有打卡

• 毫米波雷达感知七八个人

• 同一批人做量产／预研

• 中级／高级差不多各一半。

• 总监 工作了十几年。比较平衡。

• 有mentor

• 张江

• ukf，

• 除了hm之外的其他匹配算法

• 观测和预测的相似度计算

• PQR都是怎么设置的

• 单例模式和工厂模式的区别

• L2，L3，adas功能实现，主要在底特律

• 尝试前融合，目前是用原始radar detection和vision

• 4d radar 从硬件到软件

• 初创公司

• 有期权

• 乘用车

• 公司名字可能会改，四月份确定

• 项目制，

• 马上要A轮

• 在新江湾城

第一轮：

• 卡尔曼滤波，怎么用同一个filter同时适配车辆横穿的场景

• 感受野计算。

• centernet等基于center的recall不够高，有什么办法来改善

• 做二分类，有80%的数据是标注正确的，20%是标注失败的，如何训练？

• anchor-base和anchor-free的优劣；

• 如果anchor-based的方法，设置很多不同的anchor，对于非正常宽高比的物体以及小目标会有改善吗，除了计算速度以外会有什么其他问题

• c++11之后的新特性有没有用过

• 智能指针

void test (const std::vector<shared_ptr<xxx>>& aaa){ aaa[0].b += 1; } 

编译能不能通过

一般是第二个效率高，因为函数返回值默认会赋值一份空间，除非编译器有做return value optimization

• 单例模式的实现：static、全局变量、指针判断（默认是空，每次用的时候判断是不是空，空就创建一个）

• coding：二叉树的直径 543

• 上海这边一共50人，感知6～7个人，

• 大家同时做几个产品线，通用算法

• 毫米波雷达和视觉相关都有

第二轮：

• coding：105. 从前序与中序遍历序列构造二叉树， 7. 整数反转

• 环卫车项目，要在广州2个月左右，目前是二三十个人，主要是基于已有的融合，tracking框架加入环卫车特有的一些规则

后面稳定下来后可以参与感知算法

• 面试官是radar负责人

• 7，8点下班

• coding：区间合并 56

• 目前毫米波雷达只有两个人

• 背靠吉利，在供应商面前占有强势地位，有conti的4d radar在手

• 目前可以拿到传感器目标级和点云级的输入

• 毫米波雷达在高速上比较重要，未来会扩展城区场景

• 主要来自蔚来，华为

第二轮：

• 面试官是感知负责人

• 感知包括定位等，一共目标一百六七十，

• 感知算法，目标检测这边目标八九十。

• 前融合，feature级别的融合

• 量产 要求较高

• 最终目标是城区场景

• 目前是装的eq5

• 也会涉及到lidar，融合等算法

• 九点半之前上班。

第一轮：

–coding：number of islands

–unorder_map map区别，unique_ptr

• int const * const x; const放在*右边，指针的指向不能改，这一行第一个const也可以放到左边，const int也不能改
  int * const y; 指向int的const指针,int值可以改，指针指向的地址不能改
  const int& i = *y; i的值不能改，read only
  int& j =*y; j是别名，可以改，改了的话y指向的变量也会改

• 毫米波雷达感知只有美国一个人，国内十几个人在做autox自己的雷达。

• 也会做和camera，lidar的融合

第二轮：

• 卡尔曼滤波器，要是系统不是线性的会产生什么问题？

• ekf是怎么解决不是线性的问题的？

–匈牙利匹配是一个全局最优的，有没有试过其他的匹配方法

• coding：判断一个点是否在一个旋转的box内

`第一轮：

第二轮：

• 是否了解radar如何测角测速

• `coding：无序数组，选三个连续子数组，每个子数组都是两个元素，求这三个子数组的和的最大值

• 用前缀和思想+

• 也会做和lidar，camera的融合，

• 有不同的项目线，基本上用同样的code base，自己决定做哪个项目

• 算法迭代需求主要来自于路测问题和evaluation结果

• evaluation工具比较完善

• 主要在北京，一共30, 感知5-6个人，前融合

• coding：实现shared_ptr

• 两个bst，各选一个数，加起来等于target

第一轮：

• 重卡，物流运输，

• 干线物流+港口物流：L4，无安全员。

• 北京：港口，L4前瞻调研，lidar和vision提供general感知，地图等。300人。

• 按照博世系统来，

• 上海：算法十个人，平均工作五年以上

• 去年（2021年）九月份成立，主要是为了高速干线物流量产，落地，合作商用oem top2，radar后融合with lidar和vision，环境搭建，会来一位大佬，做过前后融合，目前没有人做radar，打算招7～8个人。目前是用目标级输出，未来用点云。50人->100人。算法三十人。

第二轮：

• 先做后融合，

• 当前是L2

• 第三轮：

日- 常的工作的大概内容？

• 路测数据，主导开发的原则，

• 比较看重员工的什么能力？

• 背景，学历，个性。

• 主要是Apollo系统，

• 组织架构合理，有凝聚力

• 毫米波雷达+融合。

• 嘉定安亭。上海汽车城大厦。九点到六点半。十一点半到一点午休。没有打卡。

• 第一轮coding: 54. 螺旋矩阵

• 感知15个人，lidar，camera，radar，

• 干线物流，城市货运，乘用出行三个场景，从城市场景开始做？

• 做一个统一的平台，优先做robotaxi。然后做robo bus

• 园区L4无人小巴，计划六月份在上海公共道路

• robotaxi已经有公司在做了，和友商比较的核心竞争力是什么？域控，有自己的gpu，不用ipc

• 团队完整，资金足够，王京傲的影响力。

• 自驱力，自我成长，团队合作精神。

代客泊车和自动驾驶

第二轮

有多个项目

5R + 1V

5R + 7V

5R + 7V + 3L

一个人会参与多个项目

上海这边感知4/5个人

第一轮：

澳洲上市的外企

主要工作：数据预处理，后处理，算法开发。

上海有两个分部：local和global。这个岗位负责global业务，准备招4~5个人

流程：本地验证，和annotator合作验证，跑过线上ab test，由engineer部署。

第二轮：

coding：两个排好序的数组，找公有元素。

Product quantization (PQ)

问了概率计算，sample数据实现。

个人的优缺点

主要客户：Google，Apple，

coding：number of islands

量产由其他team负责，这个team负责预研及量产。

• 点云和图片的区别

• pointnet为什么没有用conv？

• focal loss的参数如何调

• 有哪些loss

• anchor free和anchor based的区别

• anchor-free的target assign是怎么做的，怎么解决多个目标中心点位置比较靠近的问题？

• centernet网络输出是什么

• 描述卡尔曼滤波器

• 如果分类问题中几个类别有overlap怎么办，如何设计网络结构

• 是否了解mmdetection的hook

• 如果需要在mmdetection中加一个backbone，需要改哪些代码？

• coding：二叉树中序遍历，不用递归

第一轮：

• 数据，标注，感知，后处理，工程

• 15个人，点云特征，十点-八点

第二轮：

• coding：环形链表，每一个node是一个point（x，y），连起来是一个多边形，判断凸凹性

• 准备单独上市，去年（2021年）刚成立，准备从100人扩张到200人

• 目前有五家公司在谈合作。

• 先做国内再做国外

• 算法：感知10人->20人。

• 主要做L4 taxi，L2，L2++，芯片

• 目前主要在高速场景

• 老板郭济顺

• 客户稳定，传统tier1，有积累，有资源，70%业务来自于国外

• 第二轮：面试官以前在上汽，主要做视觉感知，七八年

• 上海office在莘庄。莘学路。 两栋楼。

• 有食堂。

• 九点-五点。

 

 

原文链接：https://blog.csdn.net/weixin_38346042/article/details/134013097?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169900313916800226553889%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=169900313916800226553889&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-4-134013097-null-null.nonecase&utm_term=%E6%BE%B3%E6%B4%B22023