Инженер по компьютерному зрению
Ищем Senior инженера по компьютерному зрению для доработки системы визуальной локализации дронов. Вам предстоит работать с OpenCV и FastAPI, а также решать задачи по точной локализации и обработке видеопотока. Проект рассчитан на локальный запуск и требует глубокого понимания матриц проекции и оптимизации пайплайнов.
Эта вакансия платит больше рынка
На 66% выше медианы Python по 155 вакансиям за 90 дней.
Что предстоит делать
Навыки: OpenCV, Компьютерное зрение. Квалификация: Senior. Специализации: Инженер по компьютерному зрению. Описание задачи: Доработка системы визуальной локализации БПЛА (VLOC) О проекте: MVP-версия дашборда для трекинга дрона в реальном времени. Система принимает видеопоток, сопоставляет его с эталонными видеозаписями (к которым привязаны координаты) и отображает положение дрона на карте Leaflet. Проект рассчитан на локальный запуск (1-2 потока одновременно). Железо: Ноутбук с мобильной RTX 5050. Стек: Python 3.10+, FastAPI, SQLite, Docker. Фронтенд: чистый JS + Leaflet.js. Что уже РЕАЛИЗОВАНО : Вся обвязка и инфраструктура готовы и работают: Захват потока (RTSP/WebSocket) с аппаратным декодированием (NVDEC). Zero-latency буфер (алгоритм всегда забирает только самый свежий кадр, пропуская очередь). API-эндпоинты (FastAPI) и передача данных на фронтенд по WebSockets. База данных (SQLite), где лежат эталонные кадры и их GPS-координаты. Модели SuperPoint и LightGlue уже заведены в проект и крутятся на CUDA. В чем текущая проблема Сейчас модуль локализации работает по принципу примитивного Image Retrieval. Он использует ResNet18: находит максимально похожий кадр в базе и копирует его координаты. Из-за этого нет Pose Estimation, если дрон летит параллельно эталонному маршруту, метка на карте не смещается, а прилипает к эталонному треку. Что нужно сделать: Необходимо переписать математику, осуществив переход от Retrieval к честному Pose Estimation и добавив расчет геометрии для видео-слоя. Задача 1: Точная локализация (Метка дрона) Feature Matching: Использовать связку SuperPoint + LightGlue для нахождения соответствий между Live-кадром и ближайшим кадром из эталона. Metric Offset: На основе найденных матчей вычислять вектор смещения в метрах (через матрицу гомографии или PnP) с учетом перспективных искажений. GPS-коррекция: Прибавлять полученное метрическое смещение к координатам эталонного кадра для получения реальной точки . Фильтрация: Жесткий RANSAC для исключения выбросов (ложных матчей на лесах/полях), чтобы метка не прыгала. Выдача индикатора уверенности 0-100% . Задача 2: Real-time Video-to-Map Overlay (слой на карте) На бэкенде рассчитывать точные GPS-координаты 4-х углов текущего кадра ( проекция на плоскость земли). Трансформация перспективного изображения в ортофотоплан (вид сверху) в real-time. Temporal Smoothing: Внедрить сглаживание координат углов (фильтр Калмана или экспоненциальное среднее). Видео аналоговое, матчи могут шуметь, углы не должны дрожать на фронтенде. Отдавать эти 4 точки по сокету на фронтенд (там они уже будут применяться к видео-контейнеру через CSS matrix3d). Ограничения и нюансы: Телеметрии и данных IMU в базе нет (дрон летит в один конец). Всю геометрию, наклон камеры и смещение нужно вытаскивать исключительно из визуальных признаков (разложение гомографии) с учетом известной примерной высоты из эталона. Обязательна привязка расчетов к PTS видеопотока для исключения рассинхрона видео и метки. Требования к исполнителю: Уровень Senior (от 5 лет в CV). Опыт работы с Visual SLAM, 6DoF Pose Estimation, Visual Odometry. Уверенное владение OpenCV , глубокое понимание матриц проекции, гомографии и перевода пикселей в метрическую систему координат. Опыт оптимизации пайплайнов под real-time (TensorRT/ONNX Runtime). Проект Mvp и рассчитывается для демонстрации возможностей. Указанные задачи реально выполнить за две недели.
Подходит ли вам эта вакансия?
Зарегистрируйтесь и загрузите резюме — посчитаем % совпадения с этой вакансией, подсветим сильные стороны и что стоит подтянуть
Похожие вакансии
6 вакансий
Backend-инженер
~3 000 000 ₸ оценка
Ищем опытного Python-разработчика для создания и масштабирования backend-сервисов с интеграцией AI. Требуется уверенное владение FastAPI/Flask, AWS, PostgreSQL и Docker. Предлагаем удалённую работу по договору ГПХ с возможностью влиять на архитектуру и использовать современные AI-инструменты.
Senior Python разработчик (AI/LLM)
~1 458 600 – 2 154 750 ₸ оценка
Разработка AI-решений для крупного финтеха: создание MCP-серверов, RAG-систем и автономных агентов. Требуется опытный Python-разработчик с глубокими знаниями LLM и промпт-инжиниринга. Предлагают работу с передовым стеком, гибридный формат в Москве и возможность влиять на продукт.
AI-инженер / Разработчик AI-систем для Web3
Вакансия для разработчика AI-систем в сфере Web3. Нужно строить и автоматизировать аналитические пайплайны, разворачивать AI-агентов и генерировать инсайты для клиентов. Требуется опыт работы с AI и аналитикой, знание английского на среднем уровне.
IT-специалист (Python разработчик GIS/AI)
Ищем Python-разработчика для цифровой трансформации геодезии и картографии. Нужно создавать GIS-решения, автоматизировать обработку пространственных данных и внедрять AI. Предлагают гибкий график, удаленку и работу над масштабными проектами.
Python Разработчик
~950 000 ₸ оценка
Ищем Python-разработчика для создания и поддержки скриптов парсинга данных и микросервисов на FastAPI. Требуется опыт от 1.5 до 3 лет, знание Python 3.x, библиотек для парсинга и SQL. Предлагаем офисную работу в Алматы, медстраховку, обучение за счёт компании и участие в крупном eCommerce проекте.
Python Developer (AI Agents)
Вакансия предполагает разработку AI-агентов для автоматизации оценки кредитного риска с использованием LLM и ML-моделей. Требуется опыт интеграции моделей и проектирования архитектуры агентов. Предлагается работа над современными технологиями в области искусственного интеллекта.