优秀的视觉工程师，是让机器具备感知和理解环境能力的关键。他/她的工作远非调用几个开源库，而是构建稳定、可靠、适应工业场景的视觉神经系统。

一、其核心目标与能力体现在：

1. 精通从光学成像到智能理解的完整链条

   · 硬件选型与成像质量掌控： 深刻理解相机（面阵、线阵）、镜头、光源的选型如何影响最终图像质量。能设计稳定的成像系统，解决打光、反射、遮挡等现场难题，为算法提供优质的“原料”。

   · 传统与深度学习融合： 既熟练掌握图像处理基石（滤波、边缘检测、特征提取、相机标定、3D点云处理），又能得心应手地运用深度学习框架进行目标检测、分类、分割。懂得根据任务需求（精度、速度、数据量）在传统方法和深度学习间做最佳选择。

   · 从2D到3D的感知： 精通双目视觉、结构光、ToF等3D视觉原理，能实现高精度的三维重建、定位和测量，为机器人引导、无序分拣等复杂应用提供空间信息。

2. 应对严苛的工业现场挑战

   · 追求极致鲁棒性： 算法的实验室精度只是起点。必须应对工厂的震动、油污、环境光变化、目标物多样性等挑战。通过数据增强、多模型融合、引入先验知识等手段，确保系统在现场测试中“全天候”稳定工作。

   · 速度与精度的平衡： 深刻理解算法耗时，并能进行针对性优化（算法简化、并行处理、模型量化），在满足生产节拍（如每秒检测N个）的前提下，达成精度目标。

   · 构建数据闭环： 设计高效的数据采集、标注和模型更新流程。能从失效案例中主动挖掘困难样本，持续迭代优化模型，让系统越用越“聪明”。

3. 作为感知模块与系统无缝集成

   · 精准定义接口： 能将视觉识别结果（位置、角度、缺陷类型）转化为下游（机器人、PLC）可直接使用的稳定、格式化的信息。

   · 协同调试： 与机械工程师合作优化相机/光源的安装位姿，与电气工程师协调触发和通信时序，与软件工程师集成算法模块。是跨领域调试中解决“看不清、认不准”问题的核心。

   · 工程化与交付： 能将算法封装成可配置、可维护的标准化工具或服务，并编写清晰的文档，确保项目顺利交付和后期维护。

本质上，他们是解决“看见什么”和“在哪里”问题的专家，其价值在于将变幻莫测的视觉信息，转化为确定无疑、可指导行动的结构化数据。

基于上述核心能力要求，机器人视觉工程师的岗位职责围绕成像系统设计与优化、视觉算法研发与落地、工业场景算法优化、跨域协同与系统集成四大维度展开，具体内容如下：

二、视觉工程师岗位职责：

1.成像系统设计与优化：负责相机、镜头、光源等硬件选型，设计稳定成像方案，解决打光、反射、遮挡等现场问题，保障图像采集质量。

2.视觉算法研发与落地：融合传统图像处理（滤波、标定、点云处理）与深度学习技术（目标检测、分割），根据任务需求选择最优方案，实现 2D/3D 视觉感知（三维重建、定位测量）。

3.工业场景算法优化：针对工业现场震动、油污、环境光变化等挑战，优化算法鲁棒性与运行速度，平衡精度与生产节拍，构建数据闭环，持续迭代模型性能。

4.跨域协同与系统集成：定义视觉模块与机器人、PLC 等下游系统的接口，协同机械、电气、软件团队完成调试集成，将算法封装为标准化工具并交付，确保项目落地。

三、任职要求

1.硕士及以上学历，计算机视觉、图像处理、自动化等相关专业；

2.2 年及以上工业视觉项目经验，有机器人视觉引导、工业检测等落地项目经验；

3.精通传统图像处理算法与至少一种深度学习框架（如 TensorFlow/PyTorch），熟悉 2D/3D 视觉原理；

4.掌握 C++/Python 编程，具备相机标定、点云处理经验者优先。

5.具备成像系统设计、算法优化与系统集成全流程经验者优先。

6.具备强问题解决能力，能应对工业现场复杂挑战；

7.拥有跨部门协作意识，沟通高效；

8.具备工程化思维与钻研精神，持续关注行业技术动态。

四、联系我们

地址：江苏省南京市江宁区梅林街18号5栋

联系方式：张女士 13585179617（微信同号）

联系邮箱：fengyao.zhang@transcabler.com