大疆感知融合面试，ICP算法手推这关太硬核了

上篇聊完SDK开发的多机器人API设计之后，我在评论区看到一个读者留言："SDK岗考系统设计，感知融合岗考的是数学+工程的混合双打。"这话说得太对了。大疆的感知融合工程师面试在整个机器人方向里算是技术密度最高的之一——你得同时懂激光雷达的点云处理、摄像头的图像理解，还要会做两种传感器的时空标定和数据融合。

大疆做无人机和机器人产品，感知融合直接关系到飞行安全和避障可靠性，所以这个岗位面试考得特别细。这篇围绕激光雷达点云处理、摄像头+雷达融合和场景理解三个方向展开。

点云处理基础：ICP你必须推得出来

感知融合的前提是能把激光雷达的点云处理好。面试官的第一道题经常从ICP开始。

"ICP（Iterative Closest Point）算法的原理你讲一下，最好能在白板上推一下核心公式。"

ICP解决的问题是：给定两组三维点云（source和target），找到最优的旋转矩阵R和平移向量t，使得source变换后与target尽可能对齐。核心流程是迭代的：每一步先在target中为source的每个点找最近邻对应点，然后用最小二乘法求解最优R和t，把source变换一次，再找新的对应点，如此循环直到收敛。

最小二乘求解的核心是最小化目标函数：E(R,t) = Σ ||R*p_i + t - q_i||²，其中p_i是source点，q_i是对应的target最近邻点。先对两组点各自求质心并去质心化，然后用SVD分解求解旋转：H = Σ p_i' * q_i'^T，对H做SVD得UΣV^T，最优旋转R = V