🌈 专注分享自动驾驶算法相关技术干货内容，新闻资讯，大厂实习和秋招准备思路以及算法岗求职面经

💫 自动驾驶感知算法实习、秋招面经合集可看智驾感知算法求职面经（答案版）专栏：

《旷视迈驰自动驾驶感知算法实习面经》

《美团自动车配送部感知算法实习面经》

《小米自动驾驶感知算法实习面经》

《轻舟智航自动驾驶感知算法实习面经》

《博世自动驾驶感知算法实习面经》

《地平线自动驾驶感知算法提前批面经》

《百度自动驾驶感知算法提前批面经》

《蔚来自动驾驶感知算法实习面经》

《华为车Bu自动驾驶感知算法秋招面经》

《理想自动驾驶感知算法秋招面经》

《零一汽车自动驾驶感知算法实习面经》

《商汤自动驾驶感知算法实习面经》

《滴滴自动驾驶感知算法秋招面经》

《酷睿程自动驾驶感知算法实习面经》

《速腾聚创自动驾驶感知算法秋招面经》

该专栏主要汇总了本人在秋招和实习期间拿到的华为车Bu、小米、轻舟智航、理想、地平线、百度、美团、蔚来、旷视等多家公司Offer的感知算法面经，并将面试中的重点问题给出了参考答案，供各位同学参考。

第二轮技术面试

• Q1：自我介绍
• 面试官主要围绕着简历中写到的实习项目经历进行展开
• Q2：针对项目中使用的BEVFormer算法询问了其具体的3D感知流程及实现原理
• A2：
• （一）BEVFormer首先利用ResNet+FPN模块提取输入图像的多尺度特征，然后采用反向投影的方式构建BEV空间特征，最后采用类似Deformable DETR的Decoder模块完成3D目标检测的分类和定位任务。
• （二）BEVFormer算法模型的主要创新点包括时序自注意力模块和空间交叉注意力模块。其中时序自注意力模块通过自注意力的方式将多帧时序特征进行融合，从而提高模型的检测性能。空间交叉注意力模块采用Deformable Attention的思想，对不同图像空间位置的特征进行采样，完成BEV空间特征的构建。
• Q3：介绍一下BEVFormer算法的优势和劣势分别是什么？
• A3
• （一）优势：
• BEVFormer算法中引入了时序建模过程，充分利用了历史的BEV特征信息。
• BEVFormer算法模型通过学习的方式