1.算法落地与实现：负责室内无人机视觉惯性里程计算法在原生Linux环境下的工程化实现与部署。 2.多传感器融合处理：处理全局快门相机的特征提取与追踪，并着重解决卷帘快门相机带来的果冻效应及运动畸变补偿，实现多相机与IMU的数据融合与状态估计。 3.系统性能优化：针对低算力ARM架构进行极限优化。不依赖ROS，在原生Linux下进行多线程架构设计、内存管理，并利用硬件加速单元提升算法在有限算力下的实时性。 4.测试与迭代：负责无人机在真实室内环境的弱纹理、动态光照环境下的数据采集、真值对比、闭环测试，针对边界情况进行算法鲁棒性分析与调优。

1.学历与背景：计算机、自动化、机器人、测绘等相关专业统招硕士及以上学历（或具备同等实力的优秀本科生）。 2.算法基础（核心要求）： -具备扎实的数学功底，精通线性代数、概率论与数理统计、矩阵微积分； -深刻理解多视图几何与3D刚体空间运动学； -熟练掌握ORB-SLAM，VINS-Fusion，SVO，OpenVINS，MSCKF等开源算法中的一种或多种，熟练使用GTSAM/Ceres/g2o等优化库； -对相机成像物理模型有深入理解，熟知卷帘快门与全局快门的成像差异及其数学补偿与建模方法； -熟悉IMU传感器误差模型与运动学积分原理。 3.编程功底：良好的C++编程能力，具备优秀的面向对象编程思维； 4.系统与底层开发：具备脱离ROS进行原生Linux应用开发的实战经验；对多线程、进程间通信、内存泄漏排查有丰富经验。 【加分项】 1.有低算力ARM平台的算法移植、内存压榨与性能优化经验者优先。 2.悉SLAM相关Learning based算子者优先； 3.有无人机相关开发经验优先；