上篇华为的面经反响不错，这篇继续——华为的机器视觉工程师面试。有个朋友前阵子去面了，回来跟我吐槽说面试官追问—3D感知/点云处理追问了半小时。我听完觉得这些问题确实问得好，值得拆开来聊聊。
SLAM：华为为什么重点考这个
华为的机器视觉工程师面试，SLAM几乎是必考项。这跟他们产品线的技术需求直接相关——人形机器人(内部)对SLAM的要求很高。
面试官问：“激光SLAM和视觉SLAM各有什么优缺点？”
激光SLAM精度高、对光照不敏感，但成本高、稀疏环境下容易退化。视觉SLAM成本低、信息丰富（语义+纹理），但受光照影响大、快速运动时容易丢。实际项目里我们用激光+视觉融合——激光提供稳定的位姿估计，视觉提供语义信息。融合的关键是时间同步和外参标定，时间同步误差大于10ms会导致融合漂移。
面试官继续追问：“这个方案的性能瓶颈在哪里？怎么优化？”
性能瓶颈通常在计算量和通信带宽。我们通过三个方向优化：算法层面做降维和近似，工程层面用SIMD/GPU加速，系统层面做异步和流水线。最终把延迟从50ms降到了8ms。
深度估计：华为为什么重点考这个
华为的机器视觉工程师面试，深度估计几乎是必考项。这跟他们产品线的技术需求直接相关——人形机器人(内部)对深度估计的要求很高。
面试官问：“单目深度估计在机器人上能用吗？”
单目深度估计（如MiDaS、Depth Anything）在机器人上可以用，但精度不够做导航——绝对误差可能有10-20%。更适合做语义级理解（哪个区域近、哪个远），而不是精确的障碍物距离测量。我们的做法是单目深度做粗略场景理解，激光/ToF做精确测距，两者互补。
