面灵AI→

大疆空间智能 OS 一面:定位方案、目标检测部署与 U-Boot/DDR 底层

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

面试形式:线上面试,时长 45min。面试特点:深挖嵌入式项目,大量底层原理 + 工程踩坑,没有手写代码。

  1. 简单做一下自我介绍。
  2. 挑你最满意、技术难度最高的项目详细讲讲。
  3. 项目团队多少人,你的定位,方案是谁主导?
  4. 在无卫星信号场景下,如何实现场内定位方案?
  5. 模型可同时识别多类目标,干扰目标如何过滤?
  6. 目标检测是端侧设备完成还是依赖移动端?
  7. 如何做目标身份区分?账号登录方案的必要性?
  8. 用户使用习惯、方案取舍怎么考量?
  9. 你在项目里面负责哪些核心模块?
  10. 目标检测完整流程,区分自研部分与开源组件。
  11. FP 模型量化相关工作以及带来的收益。
  12. U-Boot、Linux 内核移植做了哪些工作?
  13. U-Boot 启动两个阶段分别做什么?
  14. DDR 修改哪些参数?
  15. DDR 控制器行命中 / 行缺失 / 行冲突原理。
  16. CAN 驱动 + 上层通信完整链路讲解。
  17. 通信有标准协议,为什么工程落地难度依旧很大?
  18. 开发完如何验证保证交付?一句话交付回答。
  19. 通信成功率 95-97% 为什么不是 100%?区分协议层面 / 工程层面。
  20. 自行补充相关内容。
  21. 反问环节。

《参考解析》

无卫星信号下的场内定位,答的是「用什么观测量 + 怎么融合」,不是堆名词。 场内常用的是 UWB(TWR 测距或 TDOA 到达时差,精度 10~30cm)、蓝牙 AoA/AoD(米级、成本低)、视觉 SLAM 与激光 SLAM(不依赖外部基站但怕光照与几何退化)、以及二维码/反光标靶这类绝对基准。工程上通常是「UWB 提供绝对位置 + IMU 做短时递推 + 轮速计做里程约束」的松耦合或紧耦合融合,用扩展卡尔曼滤波或因子图优化输出位姿。要主动讲清每个方案的失效条件:UWB 在金属遮挡下非视距误差大、需要基站几何布局良好;视觉在弱光与白墙前退化;SLAM 长时间会漂移,所以要有回环或标靶做重定位。这题面试官想听的是「你知道每种方案什么时候会坏」。

多类目标检测的干扰过滤,是一道「分层降误检」的题。 第一层是模型本身:训练数据里补负样本与相似类难例、加分类头置信度阈值与 NMS 的 IoU 阈值调节;第二层是时序:用跟踪(卡尔曼 + 匈牙利匹配)要求目标连续多帧出现才确认,单帧跳变直接丢;第三层是空间与业务约束:用 ROI 掩膜排除画面里不可能出现的区域、用目标与场景的几何关系(尺寸、地面接触点)过滤;第四层是身份:分类模型之外再加 ReID 特征或二维码/工牌做确认。答的时候按「模型 → 时序 → 空间 → 身份」四层讲,比只说「调阈值」完整得多。

端侧还是移动端的取舍,本质是延迟、带宽、算力、隐私四个约束的平衡。 端侧推理延迟低(十几到几十毫秒)、不依赖网络、隐私好,但算力与功耗受限,模型要量化剪枝、分辨率要降;放移动端或云端可以用大模型,但要吃传输延迟与断网风险。常见折中是「端侧跑轻量检测做粗筛与触发,关键帧上传做精细识别」,或者端侧 NPU 跑 INT8 模型、CPU 跑后处理。回答时给一个具体数字(比如端侧 30fps 下每帧 20ms 预算)会显得真的做过。

模型量化的收益要落到「精度掉了多少、速度涨了多少、怎么补回来」。 常见路径是 FP32 → FP16(几乎无损、需要硬件支持)→ INT8(需要校准集做 per-tensor 或 per-channel 量化,注意激活值的离群点)。收益是显存/内存占用降到 1/4、带宽压力下降、NPU 的 INT8 算力通常是 FP16 的数倍。精度补偿手段:量化感知训练(QAT)在训练时插入伪量化节点、对敏感层(第一层与检测头)保留高精度、用 KL 散度或最小化 MSE 选阈值。验证要对比 mAP、逐类召回率,以及真实场景的漏检率,不能只看整体精度。

U-Boot 的两个阶段:SPL(或 MLO)与 U-Boot proper。 第一阶段跑在片上 SRAM 里,做最基础的初始化(时钟、引脚复用、DDR 控制器),把完整的 U-Boot 从存储介质(eMMC/NAND/SPI Flash)载入 DDR;第二阶段在 DDR 里运行,初始化外设、解析环境变量、加载设备树与内核、把控制权交给内核。移植工作主要是改 DDR 初始化参数(时序、容量、位宽)、改 bootcmd 与分区表、适配存储与外设驱动、以及打开串口与 fastboot 方便调试。

DDR 参数与行命中/缺失/冲突要能串起来讲。 需要调的参数包括:时钟频率、CAS Latency 等一组时序(tRCD、tRP、tRAS、tWR)、刷新间隔 tREFI、以及控制器侧的调度策略。DRAM 内部是 bank × row × column 的阵列,访问时先激活(ACT)把整行读进行缓冲,再列选读写,最后预充电(PRE)关行。行命中:要访问的行已在缓冲里,直接列读写,最快;行缺失:换到同 bank 的另一行,要先预充电再激活,多出 tRP + tRCD 的延迟;行冲突:多个请求争抢同一个 bank 的不同行,只能串行,频繁换行会让有效带宽大幅下降。优化手段是让连续访问尽量落在同一行(数据布局按行优先)、把不同 bank 的访问交错排布、避免多个高带宽主设备同时打同一个 bank。

CAN 的完整链路要按「硬件 → 驱动 → 协议栈 → 应用」讲。 硬件是 CAN 收发器 + 控制器(很多 MCU 内置),差分总线 CAN_H/CAN_L,两端 120Ω 终端电阻;驱动层做位时序配置(波特率与采样点)、过滤器(按 ID 掩码只收关心的帧)、收发邮箱与中断;协议栈层做分帧与重组(经典 CAN 单帧最多 8 字节,长数据要 ISO-TP 分段,CAN FD 可到 64 字节)、流控与超时重传;应用层是 UDS 诊断或自定义的节点协议。工程落地难的原因要具体:不同厂商的 DBC 定义与信号缩放不一致、总线负载高时低优先级帧被长期推迟(仲裁按 ID 优先级)、错误帧与节点离线(bus-off)恢复策略、EMC 干扰导致偶发位错误、以及整车厂与供应商之间的协议版本对齐。

「标准协议为什么落地还是难」,答案在协议之外。 协议只规定格式与交互,不规定时序容差、异常恢复、节点上下线、以及双方的实现缺陷;真实系统里还有版本兼容(老节点不支持新报文)、总线负载与实时性、线束与接地带来的物理层问题、以及跨团队的联调窗口。能举一个自己踩过的例子(比如某节点 bus-off 后没有自动恢复导致整段总线静默)最加分。

「通信成功率 95-97% 为什么不是 100%」要分层归因。 协议层面:CAN 的重传机制在总线错误计数超限时会进入错误被动甚至 bus-off,仲裁失败与 ACK 缺失都会让单次发送失败;TCP 有重传但超时判定与拥塞窗口会让长尾延迟变长。工程层面:电磁干扰、接插件接触不良、线束过长导致信号反射、终端电阻缺失、供电波动、固件里的缓冲区溢出与丢帧、以及对方节点处理不过来。要把 95-97% 这样的数字拆成「物理层错误率 / 协议重传后仍失败率 / 应用层丢帧率」,再讲怎么用误码率统计、错误计数器、抓包工具定位,这比笼统说「干扰」有说服力。