自动驾驶面试实战手册5 道高频题拆解与答题框架【免费下载链接】interviewsEverything you need to know to get the job.项目地址: https://gitcode.com/GitHub_Trending/in/interviews自动驾驶面试的考点高度集中感知、SLAM 定位、决策规划、控制四个模块反复出现而且面试官偏爱场景题——给你一个雨夜路口、一段隧道、一次施工改道看你怎么拆解。本文挑出出现频率最高的 5 道题每题按「考点 → 原理 → 答题框架 → 易错点」四层展开结尾附一份可直接勾选的自测清单和分阶段备考节奏。一张图定位薄弱点高频题与知识点对应这 5 道题背后反复出现的基础是图搜索与动态规划BFS/DFS 负责遍历Dijkstra/A* 负责路径DP 负责轨迹优化。刷题按「图 → 规划 → 优化」的顺序推进即可。感知题怎么答雨雾天传感器退化的融合设计考点是否清楚每种传感器的失效边界以及融合到底发生在哪一层。原理雨雾天里摄像头对比度下降、车道线难以检出激光雷达点云散射、回波变弱毫米波雷达受天气影响最小但角分辨率低、易出现虚警。三者的退化恰好互补这是融合的出发点。答题框架① 先说清该场景下各传感器怎么退化别一上来就报架构② 点名融合层次——数据层点云投影到图像做像素级互验、特征层跨传感器目标特征关联、决策层贝叶斯或 D-S 证据理论做最终裁定③ 主动回答「不一致怎么办」传感器结论冲突时取保守侧宁可降速不可漏刹④ 给兜底主传感器退化时降级为车道保持或移交人类接管。现场追问手写「点云中找最近障碍物」。暴力遍历 O(N) 不够快标准做法是体素栅格 由近及远环搜// 体素栅格 由近及远环搜平均 O(1)避免暴力遍历 O(N) int nearestObstacle(VoxelGrid g, double x, double y) { int cx (int) (x / CELL), cy (int) (y / CELL); for (int r 0; r 2; r) for (int dx -r; dx r; dx) for (int dy -r; dy r; dy) if (Math.abs(dx) Math.abs(dy) r g.occupied(cx dx, cy dy)) return g.index(cx dx, cy dy); return -1; }易错点只说「多模态融合更鲁棒」却说不清融合在哪一层对「两个传感器结论冲突怎么办」没有备好的答案。SLAM 题怎么答定位漂移的排查步骤考点对定位链路的理解深度以及有没有「降级思维」。原理车端定位是三源信息交叉校验——GNSS IMU 提供全局参考IMU 航位推算补信号间隙但在城市峡谷里能漂到米级激光雷达与高精地图匹配是主力精度厘米级摄像头车道线匹配是性价比补充。定位方案工作原理典型精度失效条件答题中的定位GNSS IMU卫星定位 惯性航位推算分米至米级城市峡谷、隧道、多径全局参考信号遮挡时退化激光雷达 高精地图点云与地图特征匹配厘米级地图版本滞后、严重施工高速场景主力依赖地图鲜度摄像头车道线 高精地图车道线几何与先验地图匹配分米级雨雾、光照差、标线缺失低成本补充对图像质量敏感答题框架排查树① 先问清漂移形态——阶跃怀疑单传感器跳变或地图特征配错、缓慢漂移航位推算累积重点查 IMU、突变跳变怀疑回环误判或地图版本② 查时间同步时序错位比算法误差更容易被漏掉③ 查地图版本与环境一致性施工、遮挡、临时改道④ 给降级动作定位置信度不足时切车道保持并提示接管。易错点答案只有「加更多传感器」说不出三种漂移形态漏掉时间同步这个高频真实原因。决策题怎么答无保护左转的状态机设计考点能不能把模糊的「安全地左拐」拆成可验证的离散状态。答题框架① 拆状态等待空档 / 让行 / 进入转弯 / 放弃中止四个状态覆盖全部可能② 核心判据用时间间隙——空档距离除以对向车速与最小时间间隙阈值比较这比直接比距离更合理因为它隐式考虑了双方速度③ 说清规则与学习的分工规则保底任何状态迁移必须满足硬约束学习只调激进度、不参与安全判定④ 每个迁移给可检验条件面试官追问时能逐条过。// 无保护左转4 状态 时间间隙判据 enum TurnState { WAIT_GAP, YIELD, COMMIT, ABORT } TurnState decide(TrafficState s) { double tGap s.gapDistance / s.oncomingSpeed; // 时间间隙 if (s.egoSpeed 0.5) // 基本停住等空档 return tGap MIN_T_GAP ? COMMIT : WAIT_GAP; if (tGap MIN_T_GAP s.gapClosing) // 空档收窄进不去 return ABORT; if (tGap MIN_T_GAP) return YIELD; // 空档不足原地等 return COMMIT; }易错点只说「上强化学习」却不谈安全验证状态迁移写不出明确判据只能含糊说「车觉得安全就转」。规划题怎么答Dijkstra、A* 与局部规划的选型考点图搜索基本功以及全局规划与局部规划的边界。原理全局路径在道路网络上做图搜索——Dijkstra 保证最短复杂度 O((VE) log V)A* 加启发式剪枝通常更快但要求启发式可采纳。局部规划要处理动态障碍常用 Lattice 采样加模型优化或直接交给 MPC。答题框架① 先讲清「全局 局部」两层分工② 说出 Dijkstra 与 A* 的复杂度差异及 A* 更快的原因启发式剪枝③ 主动点破局限——纯图搜索不会动态避障必须接局部重规划④ 报出重规划触发条件新障碍物进入走廊、轨迹偏差超阈值、车速超出局部解有效区间。易错点写不出时间复杂度直接说「Dijkstra 动态场景也能用」却不提重规划开销。控制题怎么答MPC 相比 PID 的优势边界考点控制论基础能否说清「什么场景该用什么」而不是背名词。原理PID 是纯反馈无模型、无预见低速单目标够用。MPC 基于运动学单车模型对未来一个时域滚动优化目标函数是跟踪误差与控制增量的加权和约束包含加加速度限制、侧向滑移角、轮胎摩擦上限它还能预读前方道路曲率所以高速过弯更平顺。答题框架四句结构模型——单车运动学模型目标——跟踪误差 控制增量 参考线跟踪约束——jerk、滑移角、摩擦算力——QP 求解器加热启动保证实时性。说完优势再给边界低速、算力紧张时 PID 反而更稳MPC 不是免费的。易错点声称 MPC 不依赖模型说不出目标函数有哪几项或只说 MPC 好不说清代价模型失配、求解耗时。面试前 30 分钟自测清单 进考场前按顺序过一遍任何一条卡住超过 1 分钟就标红考后优先补说出摄像头 / 激光雷达 / 毫米波雷达各自的退化边界与互补关系数据层、特征层、决策层融合各举一个典型应用报出三源定位的精度量级与失效条件说清谁是主力谁兜底列举三种漂移形态阶跃 / 缓漂 / 跳变及各自第一步排查写出无保护左转 4 个状态及每个迁移条件报出 MPC 目标函数三项、约束至少两类写出 Dijkstra 时间复杂度与 A* 启发式的作用解释体素栅格为什么比暴力遍历更快复述两起典型事故场景与对应的 fail-safe 动作计时3 分钟内口头答完 5 道题的框架部分分阶段备考节奏表第 1~2 周打底补数学与传感器基础——卡尔曼滤波、坐标系变换、传感器失效模式图搜索刷题从仓库的 cracking-the-coding-interview/chapter-four-trees-and-graphs/ 入手Dijkstra、A* 至少各手写一遍第 3~4 周打通用 2D 仿真器或 CARLA 跑一遍简化端到端流程把 5 道题各答一遍并录音复盘第 5~6 周冲刺每天 30 分钟模拟面试限时答 5 题框架白板编码练习配合 leetcode/ 按主题目录推进编码时习惯先报时间复杂度#自动驾驶 #面试 #感知 #SLAM #路径规划【免费下载链接】interviewsEverything you need to know to get the job.项目地址: https://gitcode.com/GitHub_Trending/in/interviews创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考