面试常问问题:
1.    自我介绍【时长控制在2分钟左右,提项目可以提两个比较重要的,跟岗位相关的】
2.    说说对公司的认识?为什么选择投递公司?为什么选择这个岗位?平时用什么语言?【先上公司官网了解下相关的车型】
3.    简历上的项目,会问得很细很细。项目亮点在哪里?曾经遇到的困难,是怎么解决的?曾经失败过的经历?最有成就感的项目?项目用到的算法,场景。项目深度,使用的算法有没有想过改进或者优化。【面试前一定要在心里多过几遍项目】
4.    训练时,遇到梯度消失或梯度爆炸吗?
5.    BN是怎么归一化的?(在哪些维度上)
6.    你对自动驾驶怎么看待?对这个行业的理解?自动驾驶涉及哪些技术?对自动驾驶的pipeline是否熟悉?说一下自动驾驶L0-L5的区别。对自动驾驶仿真的了解。
7.    本科成绩、保研、考研?考研成绩,学硕专硕,论文是第几作者
8.    自动驾驶汽车闯红灯可能是什么原因?
9.    从相机坐标系到图像坐标系如何转化?了解目标检测吗?知道哪些目标检测模型?Fast RCNN的基本结构是什么样的?IOU怎么计算,给出计算公式?
10.    如何确定数据传输帧率?
11.    如何看待特斯拉自动驾驶的汽车频出故障?
12.    你对国内的车企有了解吗?吸引你的是什么地方?
13.    请用简洁的科普的语言介绍研究生(博士)期间的工作。【给出课题的总体概括,课题的服务对象,课题的目标,课题的步骤以及课题的主要内容,最后给出课题的主要创新点。(一定要简洁,思维要清晰)】
14.    做自动驾驶车时候MPC控制的过程,目标函数,方法等。
15.    主流分割模型介绍
16.    yolov5的改进工作
17.    三维定位与位置矫正
18.    边缘检测算法
19.    Giou Diou Ciou改进方法
20.    介绍下yolov3,yolov3 anchor是怎么得到的?
21.    介绍下focal loss,有哪些方法解决样本分布不均衡?
22.    对pytorch的熟练度和理解是怎么样的
23.    pytorch中给不同layer apply不同learning rate有几种方法,只改forward如何实现
24.    介绍一下了解的backbone
25.    adjacency matrix/attention过大且稀疏怎么办
26.    三维空间如何表示立方体
27.    进程通信方式?
28.    3D点到三角面最短距离
29.    判断2D点是否在三角形内部(多解法)
30.    判断3D点在多边体内部
31.    如何做点云的分割
32.    3d Detection缺少Constraints怎么办
33.    最后一个layer连接第一个layer后backprop会怎么样
34.    密集物体场景,2d bouding box互相遮盖严重且标注员容易miss,如何解决?
35.    标注卫星数据,rgb+100个以上的波段数据,肉眼看不过来且屏幕无法全部显示,如何解决?如何训练模型交互式辅助?
36.    头发丝等image matting标注场景下,如何高效标注?
37.    segmentation场景下,如果用户只用稀疏点标注物体,如何训练模型做instance segmentation?
38.    2D-2D匹配搜索怎么实现的?
39.    生成出来的三维点怎么和下一帧的2d特征点进行匹配?
40.    有n个传感器知道标定结果,互相都是两两标定,每一次外参数转换都会带来误差。如何最小化误差,得到两个传感器之间的标定参数?
41.    bfs和dfs区别以及实现的区别,perception中的tracking应该怎么去做。
42.    自动驾驶场景下,2d rgb + 3d point cloud,如何更好的做3d bounding box tracking的video annotation?
43.    A,B~U(0,1),E(max(A,B))是多少?
44.    三次握手,为什么是三次不是两次
45.    如果给定一个正整数数N,对于一个最小位是2的s次幂的数,需要多少位才能表示这个数?如何确定数字系统中的参数位数。
46.    关于定点数与浮点数的表示范围与位数确定。
47.    和为偶数的子数组个数(O(n)的复杂度)、和为偶数的子序列个数(O(n)的复杂度)
48.    做自动驾驶车时候所用planning的方法,所用的slam算法,slam相关的基础知识【重要】,主要是状态估计和多视觉几何,还有激光slam的一些常用处理方式。
49.    slam的基础知识非常重要,建议高博士的14讲看三遍以上,上面出现的所有公式必要要会手推
50.    Leetcode1139:最大的以 1 为边界的正方形,要求用动态规划的方向来求解
51.    与Leetcode剑指offer26树的子结构相似,判断A树中是否存在与B树相同的树结构
52.    Leetcode72:字符串编辑距离(需手写)
53.    Leetcode:两数之和(用哈希表)
54.    迭代版本的二叉树前序遍历(需手写)
55.    二叉树深度递归+非递归实现
56.    二分查找局部最小值(需手写)
57.    写代码:URL图片保存
58.    链表找到中间点然后将后面的反转
59.    最长上升子序列
60.    八皇后问题
61.    返回所有二叉树内和为k的子路径(不一定从根节点开始,不一定从叶节点结束),时间复杂度分析
62.    单链表递归实现找最大值
63.    田忌赛马顺序
64.    64匹马 8赛道 最少比较找出4匹最快
65.    实现一下智能指针shared_ptr(需手写)【常问】
66.    链表反转三指针法(需手写)
67.    01矩阵翻转并反转(需手写)
68.    1-100的数字乱序不重复,有一个替换成-1,怎么找出?
69.    二叉树深度递归+非递归实现
70.    青蛙跳台阶问题,斐波那契数列,动态规划
71.    C++基础:class struct区别;深拷贝和浅拷贝的区别;纯虚类 的用法;纯虚的析构函数和普通的析构函数有什么区别;Static关键字的用法;子类的析构构造顺序;共享指针的潜在危险;哈希表插入的复杂度;对于数据结构的复杂度,常用语法、关键词的使用方式都要深入的了解。多态了解吗?很多析构函数virtual是为什么?智能指针用过吗?主要作用是什么?const int * 和 int * const 的区别;如何将vector中的元素清空,同时将内存全部释放?
72.    图像增强和降噪
73.    合并两个有序链表
74.    对segmentation的理解
75.    2D检测中single/two stage详细介绍
76.    batch size过小有哪些解决办法
77.    grid effect解决
78.    找出图中颜色相同的栅格组成的各个连通域,dfs
79.    将一根钢管长度L(随机,double),切分成多段标准长度 (double)L1, L2, L3 .. 等。如何切分能使废料最少。
80.    字符串中最长不重复字符串
81.    Leetcode33搜索旋转排序数组
82.    走台阶算法,每次走2,3,5 级台阶
83.    解释Hybrid A*算法
84.    解释一下RRT*
85.    解释TEB算法
86.    路径规划中cost function 设计
87.    DQN中的reward function如何设计
88.    数据结构:堆,堆排序,有没有用过堆?(A*算法中的priority_queue)
89.    内存堆和栈的区别
90.    linux下怎么实现内存管理的?怎么进行进程调度的?有哪些进程调度算法?进程间通信方式有哪些?分别适用于什么场景?你觉得哪种最高效?共享内存怎么实现的?
91.    有哪些传感器、传感器和树莓派怎么通信?通过SDK吗?自己解析怎么解析的?树莓派和主机怎么通信的、TCP和UDP有啥区别,TCP需要建立连接吗?
92.    ROS你了解的怎么样?通信机制有哪些?
93.    RANSAC找直线,给定一堆点去寻找直线,用c++实现ransac算法
94.    你有什么想提的问题吗?(可以问下公司人才培养的机制,对于目前市面上的纯视觉方案和激光雷达多传感器融合两种主流方案有什么看法,哪种方案更可能在未来成为主流?等等)

自动驾驶岗位常见面试笔试题相关推荐

  1. 100道经典Hadoop常见面试/笔试题及答案解析

    100道常见Hadoop面试/笔试题,都是带有答案解析的哦,各类题型都有,单选题.多选题.判断题和简单题,这是第一版,下周推出第二版,将会加入更多面试/笔试题. 1 单选题 1.1 下面哪个程序负责 ...

  2. C++常见面试笔试题

    https://www.cnblogs.com/aduck/articles/2272248.html https://www.cnblogs.com/guozw/p/8732473.html htt ...

  3. 嵌入式-C语言常见面试/笔试题

    [1]关键字类型题 常见的关键字有 sizeof.static.const.volatile 1.sizeof:通常与strlen做比较不同 例1:char str[] = "Hello&q ...

  4. unity常见面试笔试题

    1.基础 1.1.什么是协同程序 在主线程运行的同时开启另一段逻辑处理,来协助当前程序的执行,协程很像多线程,但是不是多线程,Unity的协程实在每帧结束之后去检测yield的条件是否满足. 1.2. ...

  5. MySQL常见面试笔试题

    1.常见命令: (1)创建学生表 Student : Create table Student(Sid varchar(10) not null primary key,Sname varchar(1 ...

  6. 110 道 Python 面试笔试题超强汇总

    本 Chat 为免费基础入门篇,获取更多面试知识点请大家参阅我的另一个 Chat :致金三银四辛勤找工作的你们:Python 面试必备. 本 Chat 你将会获得以下知识: 110 道 Python ...

  7. 中级软件测试笔试题100精讲_汇集上千位软件测试精英面试笔试题,最全面的题型都在这!...

    知己知彼,才能百战不殆 测试员想要在竞争激烈的职场中拥有一席之地,就需要提前做好准备. 前人栽树,后人乘凉 一次面试就能入职自己心仪的公司,就需要通过"前人"积累的面试题来了解面试 ...

  8. 最全python爬虫面试笔试题及答案汇总,三万多字,持续更新,适合新手,应届生

    目录 一些经典的Python爬虫和网络编程面试题... 1 1.动态加载又对及时性要求很高怎么处理?... 1 2.分布式爬虫主要解决什么问题?... 1 3.什么是 URL?... 1 4.pyth ...

  9. Java 面试/笔试题神整理 [Java web and android]

    Java 面试/笔试题神整理 一.Java web 相关基础知识 1.面向对象的特征有哪些方面 1.抽象: 抽象就是忽略一个主题中与当前目标无关的那些方面,以便更充分地注意与当前目标有关的方面.抽象并 ...

  10. java面试笔试题大汇总

    java面试笔试题大汇总 JAVA相关基础知识 1.面向对象的特征有哪些方面 1.抽象: 抽象就是忽略一个主题中与当前目标无关的那些方面,以便更充分地注意与当前目标有关的方面.抽象并不打算了解全部问题 ...

最新文章

  1. make太慢了,加快编译速度的方法 make -j
  2. 网元查看一个无厘头的core dump问题定位
  3. 动态链接库dll,静态链接库lib, 导入库lib
  4. Matlab 坐标轴比例一致导致图形变形
  5. zoj1610-Count the Colors【线段树】
  6. spring boot admin 2.2 获取日志失败_SB实战20-Spring Boot的日志和报告
  7. 以下各节已定义,但尚未为布局页“~/Views/_LayoutHome.cshtml”呈现:“mainContent; jsSrc”。...
  8. mysql 64位整型_高性能MySQL笔记精简(整数和实数优化)
  9. honeywell新风系统控制面板说明_觉得家里新风不给力了?一定是你不知道这些!
  10. java对象数组排序的一种方式
  11. java -1%3_java学习笔记(day23)
  12. Pycharm中SQL语句提示SQL Dialect is Not Configured
  13. f4小组专用3306mysql抓鸡工具_【技术】3306端口手动入侵之mysql写入启动项提权
  14. android按钮放图片不显示文字,Android 自定义标签 Imagebutton实现ImageButton里放置文字...
  15. Failed to instantiate [org.springframework.cloud.context.properties.ConfigurationPropertiesBeans]: F
  16. 【过关斩将般的一步步实现】windows本机通过xftp/xshell连接Ubuntu虚拟机服务器
  17. OSCP - Typhoon 1.02 的破解
  18. 小码哥C++_汇编指令
  19. Mac M1 搭建虚拟机节点集群过程及软件分享
  20. 2020年蓝桥杯省赛题目——既约分数

热门文章

  1. 统计遗传学:第四章,GWAS分析
  2. HBase数据模型和表设计思路
  3. 使用IIS部署若依前后端分离项目
  4. Linux终端界面Screen实现桌面共享
  5. μVision5界面常用单词解释
  6. 当java 8 lambda遇上uncheck exception
  7. 因为计算机丢失amd,amdxatasys丢失或损坏,windows丢失sys文件
  8. ICML2022论文解读『Sparse Double Descent: Where Network Pruning Aggravates Overfitting』
  9. ICML 2022 | 稀疏双下降:网络剪枝也能加剧模型过拟合?
  10. C# 中取绝对值的函数