职场资讯
正在查看应届生SLAM算法未来简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是专注服务机器人研发与生产的科技公司，团队规模约XXX人，核心产品为商用清洁与巡检机器人，集成了自研的导航定位系统，产品已落地超过XXX个工业园区与楼宇，与多家物业集团建立稳定供货关系。
工作概述：
1.算法开发：为提升机器人建图精度，负责激光SLAM中前端扫描匹配环节的开发与调试；基于开源框架构建匹配算法模块，使用G2O优化后端位姿图，通过调整匹配参数与回环检测阈值，在标准数据集上将绝对轨迹误差降低XXX%。
2.数据采集：为解决实际场景中动态物体干扰问题，规划并执行了多个真实场景的数据采集任务；操作机器人平台收集激光雷达与轮式里程计数据，记录不同光照与人流条件下的传感器表现，整理出XXXGB的有效数据集用于算法验证。
3.系统测试：负责SLAM算法在机器人整机上的集成测试与效果评估；设计覆盖直线走廊、直角转弯、长回廊等典型场景的测试用例，使用手持高精度测量设备记录真实轨迹作为基准，分析算法输出位姿的漂移情况，将建图重复性误差控制在XXX米以内。
4.技术支持：配合硬件工程师完成新传感器选型与标定测试；搭建简易标定场，使用特定靶板采集多组数据，计算激光雷达与机器人底盘间的外参矩阵，将标定流程耗时从XXX小时缩短至XXX分钟，并编写操作文档。
工作业绩：
1.完成激光SLAM核心匹配模块的开发与集成，助力整机在建图模式下达到XXX厘米级的定位精度。
2.独立采集并标注了覆盖XXX类场景的传感器数据集，为算法优化提供了关键数据支持。
3.执行了超过XXX小时的真实场景系统测试，输出详细测试报告，推动解决了XXX项关键定位漂移问题。
4.支持完成X款新传感器的标定与接入工作，标定效率提升XXX%，保障了研发进度。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司第二代清洁机器人的核心导航项目，原有基于滤波的定位方案在长走廊及玻璃幕墙等特征稀少场景下易发生累积误差，导致地图严重变形与重复清扫，单次建图面积超过XXX平米后，定位漂移可达X米，无法满足客户对覆盖效率与清洁路径规整度的要求。
项目职责：
1.功能实现：负责基于图优化的激光SLAM算法在机器人平台上的部署与调试，将开源算法与公司自有的运动控制模块进行对接，确保里程计、IMU及雷达数据的时间同步。
2.标定优化：参与多传感器联合标定流程的改进，通过采集多组静态位姿下的传感器数据，优化手眼标定算法参数，提升激光雷达点云与机器人坐标系的对应精度。
3.测试评估：设计并执行标准测试流程，在多个室内外典型场景下运行算法，采集定位轨迹与生成的点云地图，使用第三方工具进行精度定量分析，并记录算法资源占用情况。
项目业绩：
1.成功将激光SLAM系统集成至机器人平台，在XXX平米室内场景下，建图绝对精度提升至XXX米，满足产品规格要求。
2.优化后的传感器标定流程，使外参标定误差降低XXX%，有效改善了跨楼层场景下的地图对齐问题。
3.通过大量测试与参数调优，将算法在机器人嵌入式平台上的CPU平均占用率稳定在XXX%以下，保障了系统长时间运行的稳定性。
教育背景
GPA X.XX/X.X（专业前XX%），主修机器人学、计算机视觉与自动控制原理核心课程，参与移动机器人自主导航课程设计（使用C++与ROS），在团队中负责激光SLAM建图模块的实现与调试，完成实验室环境下的定位与地图构建实验，熟悉Linux开发环境与CMake工具链，掌握Python数据处理基础。
自我评价
培训经历
系统学习了ROS机器人操作系统的核心概念与高级编程，将ROS Navigation框架应用于公司机器人导航栈的二次开发中，通过优化代价地图更新策略与全局路径规划器参数，解决了在动态障碍物场景下的路径震荡问题，使机器人导航任务中断率下降XXX%。
应届生SLAM算法未来简历模板
656人使用适用人群: #SLAM算法 #应届生[<1年]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：SLAM算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | SLAM算法
2024-09 - 2025-12
XXX智能是专注服务机器人研发与生产的科技公司，团队规模约XXX人，核心产品为商用清洁与巡检机器人，集成了自研的导航定位系统，产品已落地超过XXX个工业园区与楼宇，与多家物业集团建立稳定供货关系。
工作概述：
1.算法开发：为提升机器人建图精度，负责激光SLAM中前端扫描匹配环节的开发与调试；基于开源框架构建匹配算法模块，使用G2O优化后端位姿图，通过调整匹配参数与回环检测阈值，在标准数据集上将绝对轨迹误差降低XXX%。
2.数据采集：为解决实际场景中动态物体干扰问题，规划并执行了多个真实场景的数据采集任务；操作机器人平台收集激光雷达与轮式里程计数据，记录不同光照与人流条件下的传感器表现，整理出XXXGB的有效数据集用于算法验证。
3.系统测试：负责SLAM算法在机器人整机上的集成测试与效果评估；设计覆盖直线走廊、直角转弯、长回廊等典型场景的测试用例，使用手持高精度测量设备记录真实轨迹作为基准，分析算法输出位姿的漂移情况，将建图重复性误差控制在XXX米以内。
4.技术支持：配合硬件工程师完成新传感器选型与标定测试；搭建简易标定场，使用特定靶板采集多组数据，计算激光雷达与机器人底盘间的外参矩阵，将标定流程耗时从XXX小时缩短至XXX分钟，并编写操作文档。
工作业绩：
1.完成激光SLAM核心匹配模块的开发与集成，助力整机在建图模式下达到XXX厘米级的定位精度。
2.独立采集并标注了覆盖XXX类场景的传感器数据集，为算法优化提供了关键数据支持。
3.执行了超过XXX小时的真实场景系统测试，输出详细测试报告，推动解决了XXX项关键定位漂移问题。
4.支持完成X款新传感器的标定与接入工作，标定效率提升XXX%，保障了研发进度。
[项目经历]
项目名称：机器人定位与建图系统
担任角色：项目负责人
公司第二代清洁机器人的核心导航项目，原有基于滤波的定位方案在长走廊及玻璃幕墙等特征稀少场景下易发生累积误差，导致地图严重变形与重复清扫，单次建图面积超过XXX平米后，定位漂移可达X米，无法满足客户对覆盖效率与清洁路径规整度的要求。
项目业绩：
1.成功将激光SLAM系统集成至机器人平台，在XXX平米室内场景下，建图绝对精度提升至XXX米，满足产品规格要求。
2.优化后的传感器标定流程，使外参标定误差降低XXX%，有效改善了跨楼层场景下的地图对齐问题。
3.通过大量测试与参数调优，将算法在机器人嵌入式平台上的CPU平均占用率稳定在XXX%以下，保障了系统长时间运行的稳定性。
[教育背景]
江苏大学
自动化 | 本科
GPA X.XX/X.X（专业前XX%），主修机器人学、计算机视觉与自动控制原理核心课程，参与移动机器人自主导航课程设计（使用C++与ROS），在团队中负责激光SLAM建图模块的实现与调试，完成实验室环境下的定位与地图构建实验，熟悉Linux开发环境与CMake工具链，掌握Python数据处理基础。