学院简介：
合肥科技职业学院是经教育部批准的全日制普通高等院校，是省*府""计划重点支持发展的高校，学院设置以现代信息技术应用为主要特征，以电子信息类专业为引领，智能制造类和现代建筑类专业为主体、财经信息类和文化艺术类专业为两翼，学科专业协调发展，开设有软件技术、工程造价、数字媒体等近30个专业。为适应学院快速发展，现面向社会招聘各类优秀人才。一、基本条件1、身体健康，具有良好的职业道德规范；
2、为人师表，学风端正，治学严谨，能够全面履行岗位职责；
3、具备扎实的专业知识和技能水平，具有企业或行业工作经验优先；
4、具备良好的沟通和语言表达能力；
5、具备团结协作、勇于奉献的精神，服从学院管理和工作要求。
二、招聘岗位类别
教学方向
需求人数
学历要求
需求条件
汽车工程类
交通类
3
本科及以上
城市轨道交通相关专业，有工作经验者优先。
设备与控制工程专业
2
本科及以上
轨道交通设备相关专业，有工作经验者优先。
工程技术
1
本科及以上
地铁与轻轨、工程检测技术等相关专业，有工作经验者优先。
计算机技术类
网络工程
1
本科及以上
可以讲授网络原理、网络操作系统、综合布线、通信原理等课程。
软件工程
1
本科及以上
可以讲授C语言程序设计、操作系统、Java语言程序设计、数据结构等课程。
物联网工程
2
本科及以上
可以讲授C/Java语言、Linux操作系统、传感器原理、通信原理等课程。
数据科学与大数据技术
2
本科及以上
可以讲授数据科学原理、Python语言、HaDoop、网络数据库等课程。
通信工程
2
本科及以上
可以讲授电子产品设计与制作、嵌入式应用技术、无线通信技术与应用、移动应用程序设计等课程。
机器人工程、无人机方向
2
本科及以上
可以讲授机械设计基础、自动控制原理、PLC原理与应用、工业机器人控制系统、工业机器人计算机编程等课程。
建筑工程类
建筑信息化相关专业
3
本科及以上
工程造价、工程管理，建筑信息化等专业（BIM技术方向），有相关工作经验者优先。
建筑钢结构相关专业
4
本科及以上
土木工程、建筑工程、建筑钢结构等专业（装配式建筑方向），有相关工作经验者优先。
环境艺术设计、园林、景观等相关专业
2
本科及以上
园林工程设计与施工、环境艺术设计、景观园林设计（室外景观园林方向），有相关工作经验者优先。
经济管理类
电子商务
3
本科及以上
具备相关专业知识，能够胜任教学工作，有相关工作经验。
会计、审计
2
硕士
会计、审计类相关专业；有相关工作经验。
旅游管理
2
硕士
旅游管理类相关专业；有相关工作经验。
人文教育类
学前教育、幼儿教育学
2
硕士
本科为学前教育专业，有相关工作经验。
基础教学类
思*教育
2
硕士
中共*员，具有扎实的理论基础，有思想*治理论课教学经验。
行*岗
院办干事
1
本科及以上
行*、中文、新闻等相关专业，三年以上行*工作经验，文笔佳。
高级水电工
1
中专及以上
三年以上相关工作经验，持高级电工证优先。
三、相关待遇人才待遇按学院薪酬*策执行（特殊人才待遇另议）。四、招聘流程（一）简历投递：请求职者将简历投递至：
qq.点击上方“计算机视觉工坊”，选择“星标”
干货第一时间送达
引导语：本文为“D视觉创新应用（三维重建）竞赛”作品集系列之一，该作品由来自同济大学软件学院的队伍完成，团队成员为：陈钧涛、朱安琪、郭超*。全文约个字，阅读时长约8分钟，旨在为更多开发者提供学习参考。背景介绍三维重建是计算机视觉领域的研究重点之一，利用视觉图像中的色彩、纹理、深度等信息进行三维空间中物体的形状和位置信息的恢复，对真实世界环境中的物体进行数字化。利用三维重建技术将目标物体构建为便于处理的数据模型，得到的三维模型能够被应用到后续的不同场景中。近年来，消费级RGB-D传感器不断推出，如微软的Kinect，华硕的XTion以及奥比中光自主研发的D传感器AstraPro、AstraS等一系列的产品，这些传感器价格低廉，体积适当，操作方便，并且易于研究者和工程师进行开发，让基于深度相机的三维扫描和重建技术得到了飞速发展。ORBBECAstra系列D传感摄像头采用单目结构光技术，具有高精度、低功耗、响应迅速、稳定可靠的优点。开发人员可以通过选择不同的版本自由地在短距离、长距离和高分辨率RGB摄像机之间切换，以满足个性化需求，其能够覆盖近距离和中远距离的多种室内场景，帮助我们更精确、快速地构建三维场景。同时借助ZORAP开发板，我们能够实现面向嵌入式应用的实时三维重建系统。通过将相机搭载在轻量级的嵌入式硬件设备上，用户能够在轻量化的平台上手持完成实时的三维重建，摆脱以往重建系统依赖大型硬件设备的物理限制，提供更好的用户体验。目前市面上现有的室内三维重建方案存在着以下的问题及缺陷：首先现有的一些VR实景方案基于60全景相机，用户仅能在固定视角进行浏览，并不能提供空间化的真实实景重建。在VR体验的沉浸感上远不如基于三维视觉重建得到的真实模型；其次现有三维重建方案往往需要独立运行在高性能计算机上，传感器设备需要直接与大型的硬件设备相连。这些设备难以移动，将极大地限制现有的三维重建系统的使用场景。为了弥补这些缺陷，本项目以轻量化、移动化的应用模式以及实时渲染交互作为设计出发点，面向室内环境实时重建任务，具体设计了两套松耦合的手持RGB-D三维重建系统，包括：面向嵌入式应用的离线实时重建渲染系统与面向PC端的在线实时重建系统。作为一种新颖的信息载体技术，三维重建模型以其高逼真度、强代入感、可修饰性等无可比拟的优势逐渐影响着人们的生活。借助三维重建技术，我们可以实现室内导航、VR游戏、VR看房等应用，从而满足人们从生活到娱乐、再到商业与工业制造等各个方面的需求。项目概述图-系统结构图本项目的室内环境实时重建系统结构如图-所示，图中包含了两套实时重建系统，由离线端、在线端以及服务器端三部分组成。上述三个组件中，离线端和服务器端可以单独构成一个离线室内环境实时重建系统，其中“离线”一词是指在离线端完成数据采集与可视化交互；离线端也可和在线端构成一个在线室内环境实时重建系统，其中“在线”一词是指由在线端提供可视化的交互。以下是两套实时重建系统的具体介绍：面向嵌入式应用的离线室内环境实时重建系统离线室内环境实时重建系统中，用户只需手持连接RGB-D摄像头的离线端对室内环境进行重建，就可以通过离线端所连接的显示器实时观察到重建的三维模型。消耗大量算力的三维重建通过网络连接至服务器完成，摆脱服务器物理限制。同时在开发板上实现模型的渲染和可视化，确保良好交互体验。以下是具体步骤：首先由开发板离线端通过摄像头采集RGB-D数据，使用ROS通过网络传输发送至服务器端；服务器端获取RGB-D数据后，通过基于位姿联合优化的三维模型实时重建，得到优化后的位姿，并将其通过ROS发送至离线端；开发板离线端根据获取的位姿信息，对当前帧进行使用基于八叉树TSDF的三维模型实时融合渲染算法，对当前重建的模型进行可视化。在线室内环境实时重建系统考虑到开发板算力有限，我们将其作为数据采集装置，设计了在线室内环境实时重建系统。用户可以使用离线端进行数据采集，实时在在线端看到重建效果。以下是具体步骤：首先由开发板离线端通过摄像头采集RGB-D数据，使用ROS通过网络传输发送至服务器在线端；在线端获取RGB-D数据后，通过基于环视度量模型的三维模型实时重建与可视化，实时展示重建的三维模型，用户可以在在线端进行交互。系统硬件构成本项目的硬件构成如图-所示。左图为AstraPro相机，中图为ZoraP开发板，右图为提供算力的工作站。图-系统硬件构成技术优势分析基于八叉树表示的CPU实时TSDF融合与渲染本项目中的客户端（即开发板ZORAP），采用了一种八叉树的数据结构对体素化表示的三维模型TSDF（TruncatedSignedDistanceFunction）进行表示，并设计了加速的数据融合算法与网格模型渲染算法，最终能够在CPU上达到超过45Hz的实时模型融合和每秒一帧的三维网格模型渲染，有利于在嵌入式设备等无显卡加速的情景下实时展示三维模型。八叉树地图的思想如下图-所示。在本项目中，每个节点包含8个brick，每个brick如图-所示[]，其中包含8个体、素，便于处理与后续渲染。图-八叉树示意图图-brick示意图基于上述的八叉树结构，我们采用的加速的数据融合算法步骤为：首先计算当前帧所有像素的D点，找到相应的brick，将所有点对应的brick放入队列中；对这个队列中每个brick中的TSDF值进行更新。在渲染步骤中我们采用了改进的MarchingCubes算法并进行增量式渲染的优化得到三维网格模型。
基于环境度量模型的位姿估计算法在传统的运动估计中，判断估计的位姿是否可靠通常使用判断内点的个数，当内点个数少于指定阈值时就认为估计的位姿不可靠，而进行剔除。但是，当出现运动模糊或者拍摄到纹理信息较少的区域时都容易出现内点较少的情况。且可能出现这样的情况，有一些点在一帧中可以看到，另一帧可能就被其他点挡住了，从而错误地认为相机位姿估计不可靠。本项目中使用的环境度量模型[]，实现了对估计的位姿可以实现更鲁棒的错误位姿剔除。层次式全局联合位姿优化本项目中使用了层次式的全局联合位姿优化，实现了实时的鲁棒位姿估计，避免了局部相机位姿估计误差的累积[]。我们将连续输入的RGB-D图像划分为单独的片段，首先对片段进行局部的位姿估计。在得到局部位姿的估计结果后，选取片段内的第一帧图像作为该片段的关键帧，再以片段为单位，对所有片段关键帧进行全局的位姿优化。层次式全局联合位姿优化的过程如图-所示。如此我们能够在进行位姿估计的同时，完成全局的回环检测，有效地避免误差的累积，提升重建的稳定性。同时由于去除了部分时序跟踪的依赖，不会出现在传统连续相机位姿追踪时的跟踪丢失问题，新输入的图像能够随时匹配结合至现有的重建结果中。层次式的处理方案能够减少优化求解时的未知量数量，保证了算法的运行速度，让算法能够实时运行。图-层次式位姿优化示意图基于ROS通信的离线与在线离线室内环境实时重建系统本项目考虑了两种具体的应用场景，设计了离线与在线的两套室内环境实时重建系统。其中离线系统主要考虑嵌入式的应用场景，用户可以只在离线端进行扫描操作就能进行室内环境的实时重建，并实时观察到重建效果，嵌入式设备有限的算力被充分利用以进行实时三维模型渲染；而在线系统则是在有好的算力的主机的情况下，在离线端进行扫描，在在线端完成与重建三维模型的实时交互。以上系统在技术实现上依赖于ROS在多机系统上的通信，只保证不同的设备之间的网络连接，即可完成系统不同组件的数据传输。我们在获取RGB-D图像时尽可能保证RGB图像和深度图像的同步性，在离线系统的位姿传输环节设计了专门的位姿消息类型，保障了数据的精准高效传输。成果展示系统重建效果展示我们尝试使用本系统对面积约为0平方米的室内区域进行重建。重建的目标场景中包含了较为复杂且包含更多细节内容的桌面，以及较为空旷的桌面，如图4-所示。图4-实验环境离线室内环境实时重建效果图4-为本项目中的离线系统重建的效果，图4-（a）为开发板上实时渲染的模型截图，在整个手持重建过程中，可以流畅地渲染出当前重建的进度以及效果；图4-（b）为开发板融合形成的模型效果展示；图4-（c）为服务器优化整合后的最终模型。(a)(b)(c)图4-离线重建结果在线室内环境实时重建效果图4-为本项目中的在线系统重建的效果，上图和下图分别为两次重建实验的结果，在整个手持重建过程中，在线端可以流畅地渲染出当前重建的进度以及效果，并且显示相机拍摄的轨迹。可以看出相机的位姿估计较为准确地还原了拍摄时的运动轨迹，桌子相对位置与结构以及桌面物体细节得到很好的重现。图4-在线重建结果系统性能量化测试为了量化测试整个系统的性能，我们进行了量化的运行速率测试。为了确定具体的性能影响因素便于确定系统瓶颈，我们对比了每个环节独自在现有数据集上运行与在系统中实时重建的速率，结果如下表所示：系统组件任务速率(fps)开发板离线端在本机数据集上进行融合.6在本机数据集上进行渲染.离线实时重建读取ROS数据融合8.6离线实时重建读取ROS数据渲染.8GPU服务器端在本机数据集上进行重建.6离线实时重建读取ROS数据重建8.6CPU在线端在本机数据集上进行重建渲染7.6在线实时重建读取ROS数据重建渲染8.4开发板离线端在数据集上进行融合的速率达.6fps，然而在本项目的离线系统中融合速率与GPU服务器端重建速率保持一致，说明开发板离线端融合速率主要受限于GPU服务器端的重建速率。
系统架构及重建过程视频展示以下是系统构成的展示，包含了对系统各个组件的介绍；嵌入式离线重建系统的实时重建演示，展示了开发板上实时渲染的效果以及最终重建的模型；在线重建系统的实时重建演示，展示了实时重建的效果与重建的模型；最后展示了在系统各个部件在给定数据集上的测试效果。Demo演示：参考文献与资料[]Steinbrücker,Frank,JürgenSturm,andDanielCremers."VolumetricDmappinginreal-timeonaCPU."04IEEEInternationalConferenceonRoboticsandAutomation(ICRA).IEEE,04.[]K.KhoshelhamandS.O.Elberink,“Accuracyandresolutionofkinectdepthdataforindoormappingapplications,”Sensors,vol.,no.,pp.47–,0.[]Dai,Angela,etal."Bundlefusion:Real-timegloballyconsistentdreconstructionusingon-the-flysurfacereintegration."ACMTransactionsonGraphics(ToG)6.4(07):.本文仅做学术分享，如有侵权，请联系删文。下载在「计算机视觉工坊」仅仅依靠自己，你就可以获得世界一流水平的教育??。
互联网上，到处都有许多的学习资源，然而精华与糟粕并存。你所需要的，不是一个诸如“+免费在线课程”的清单，而是以下问题的答案：
你应当学习哪些科目，为什么？
对于这些科目，最好的书籍或者视频课程是什么？
■■■■
自学计算机科学
0简而言之
02分科目指引
03常见问题解答
简而言之
大致按照列出的顺序，借助所建议的教材或者视频课程（但是最好二者兼用），学习如下的九门科目。目标是先花00到个小时学习完每一个科目，然后在你职业生涯中，不时温习其中的精髓??。
科目为何要学？最佳书籍最佳视频编程不要做一个“永远没彻底搞懂”诸如递归等概念的程序员。《计算机程序的构造和解释》BrianHarvey’sBerkeleyCS6A计算机架构如果你对于计算机如何工作没有具体的概念，那么你所做出的所有高级抽象都是空中楼阁。《深入理解计算机系统》BerkeleyCS6C算法与数据结构如果你不懂得如何使用栈、队列、树、图等常见数据结构，遇到有难度的问题时，你将束手无策。《算法设计手册》StevenSkiena’slectures数学知识计算机科学基本上是应用数学的一个“跑偏的”分支，因此学习数学将会给你带来竞争优势。《计算机科学中的数学》TomLeighton’sMIT6.J操作系统你所写的代码，基本上都由操作系统来运行，因此你应当了解其运作的原理。《操作系统导论》BerkeleyCS62计算机网络互联网已然势不可挡：理解工作原理才能解锁全部潜力。《计算机网络：自顶向下方法》StanfordCS44数据库对于多数重要程序，数据是其核心，然而很少人理解数据库系统的工作原理。《ReadingsinDatabaseSystems》（暂无中译本）JoeHellerstein’sBerkeleyCS86编程语言与编译器若你懂得编程语言和编译器如何工作，你就能写出更好的代码，更轻松地学习新的编程语言。《CraftingInterpreters》AlexAiken’scourseonLagunita分布式系统如今，多数系统都是分布式的。《数据密集型应用系统设计》MIT6.还是太多？
如果花几年时间自学9门科目让人望而却步，我建议你只专注于两本书：《深入理解计算机系统》和《数据密集型应用系统设计》。根据经验，投入到这两本书的时间可以获得极高的回报率，特别适合从事网络应用开发的自学工程师。这两本书也可以作为上面表格中其他科目的纲领。
软件工程师分为两种：一种充分理解了计算机科学，从而有能力应对充满挑战的创造性工作；另一种仅仅凭着对一些高级工具的熟悉而勉强应付。
这两种人都自称软件工程师，都能在职业生涯早期挣到差不多的工资。然而，随着时间流逝，第一种工程师不断成长，所做的事情将会越来越有意义且更为高薪，不论是有价值的商业工作、突破性的开源项目、技术上的领导力或者高质量的个人贡献。
分科目指引
编程大多数计算机专业本科教学以程序设计“导论”作为开始。这类课程的最佳版本不仅能满足初学者的需要，还适用于那些在初学编程阶段遗漏了某些有益的概念和程序设计模式的人。
对于这部分内容，标准推荐是这部经典著作：《计算机程序的构造和解释》。在网络上，这本书既可供免费阅读（英文版）也作为MIT的免费视频课程。不过尽管这些视频课程很不错，对于视频课程的推荐实际上是BrianHarvey开设的SICP课程（即Berkeley的6A课程）。比起MIT的课程，它更加完善，更适用于初学者。
最后，有一点要说明的是：本指南不适用于完全不懂编程的新手。假定你是一个没有计算机专业背景的程序员，希望填补一些知识空白。事实上，把“编程”章节包括进来只是提醒你还有更多知识需要学习。
计算机架构计算机架构——有时候又被称为“计算机系统”或者“计算机组成”——是了解软件底层的的重要视角。这是自学的软件工程师最容易忽视的领域。
我最喜欢的入门书是《深入理解计算机系统》。典型的计算机体系结构导论课程会涵盖本书的-6章。
喜爱《深入理解计算机系统》，因为它的实用性，并且站在程序员的视角。虽然计算机体系结构的内容比本书所涉及的内容多得多，但对于那些想了解计算机系统以求编写更快、更高效、更可靠的软件的人来说，这本书是很好的起点。
硬件是平台。
—MikeActon,EngineDirectoratInsomniacGames(观看他在CppCon上的演说)
算法与数据结构正如几十年来的共识，我们认为，计算机科学教育所赋予人们的最大能量在于对常见算法和数据结构的熟悉。此外，这也可以训练一个人对于各种问题的解决能力，有助于其他领域的学习。
关于算法与数据结构，有成百上千的书可供使用，但是我的最爱是StevenSkiena编写的《算法设计手册》。
至于练习，推荐学生在Leetcode上解决问题。Leetcode上的问题往往有趣且带有良好的解法和讨论。
最后，我们强烈推荐《怎样解题》。这本书极为优秀且独特，指导人们解决广义上的问题，因而一如其适用于数学，它适用于计算机科学。
我可以广泛推荐的方法只有一个：写之前先思考。
—RichardHamming
数学知识从某个角度说，计算机科学是应用数学的一个“发育过度”的分支。尽管许多软件工程师试图——并且在不同程度上成功做到——忽视这一点，我鼓励你用学习来拥抱数学。如若成功，比起那些没有掌握数学的人，你将获得巨大的竞争优势。
如果人们不相信数学是简单的，那么只能是因为他们没有意识到生活有多么复杂。
—JohnvonNeumann
操作系统《操作系统概念》（“恐龙书”）和《现代操作系统》是操作系统领域的经典书籍。二者都因为写作风格和对学生不友好而招致了一些批评。
《操作系统导论》（OperatingSystems:ThreeEasyPieces）是一个不错的替代品，并且可在网上免费获得（英文版）。格外喜欢这本书的结构，并且认为这本书的习题很值得一做。
计算机网络鉴于有那么多关于网络服务端和客户端的软件工程，计算机网络是计算机科学中价值最为“立竿见影”的领域之一。系统性地学习了计算机网络，最终能够理解那些曾困扰多年的术语、概念和协议。
在这一主题上，最爱的书籍是《计算机网络：自顶向下方法》。书中的小项目和习题相当值得练习，尤其是其中的“Wiresharklabs”（这部分在网上可以获得）。
你无法盯着水晶球预见未来，未来的互联网何去何从取决于社会。
—BobKahn
数据库比起其他主题，自学数据库系统需要更多的付出。这是一个相对年轻的研究领域，并且出于很强的商业动机，研究者把想法藏在紧闭的门后。此外，许多原本有潜力写出优秀教材的作者反而选择了加入或创立公司。
编程语言与编译器多数程序员学习编程语言的知识，而多数计算机科学家学习编程语言相关的知识。这使得计算机科学家比起程序员拥有显著的优势，即便在编程领域！因为他们的知识可以推而广之：相较只学习过特定编程语言的人，他们可以更深入更快速地理解新的编程语言。
不要做一个只写样板代码的程序员。相反，给用户和其他程序员创造工具。从纺织工业和钢铁工业中学习历史教训：你想制造机器和工具，还是操作这些机器？
—RasBodik在他的编译器课程伊始
分布式系统随着计算机在数量上的增加，计算机同样开始分散。尽管商业公司过去愿意购买越来越大的大型机，现在的典型情况是，甚至很小的应用程序都同时在多台机器上运行。思考这样做的利弊权衡，即是分布式系统的研究所在，也是越来越重要的一项技能。
常见问题解答
人工智能/计算机图形学/等主题怎么样？给出一些其他常见主题的自学起点：
Python因为基本现在上MachineLearning领域的教学资料和主流框架都是使用Python的。
人工智能：通过观看视频并完成Pacman项目来学习Berkeley的AI课程。至于教材，使用Russell和Norvig编写的《人工智能：一种现代方法》。机器学习：学习吴恩达在Coursera上的课程。耐心学习神经网络与深度学习——邱锡鹏老师新书
主要特点：
系统性：系统地整理了神经网络和深度学习的知识体系。鉴于深度学习涉及的知识点较多，本书从机器学习的基本概念、神经网络模型以及概率图模型三个层面来串联深度学习所涉及的知识点，使读者对深度学习技术的理解更具系统性、条理性和全面性。
可读性：本书在编排上由浅入深，在语言表达上力求通俗易懂，并通过增加图例、示例以及必要的数学推导来理解抽象的概念。同时，附录简要介绍了本书所涉及的必要数学知识，便于读者查用。
实践性：本书在网站上配套了针对每章知识点的编程练习，使得读者在学习过程中可以将理论和实践密切结合，加深对知识点的理解，并具备分析问题和解决问题的能力。
计算机图形学：学习BerkeleyCS84课程的材料，使用《计算机图形学：原理及实践》作为教材。XX编程语言怎么样?学习一门特定的编程语言和学习计算机科学的一个领域完全不在一个维度——相比之下，学习语言容易且缺乏价值。如果你已经了解了一些语言，我们强烈建议遵照我们的指引，然后在学习的空当中习得语言，或者暂且不管以后再说。如果你已经把编程学得不错了（比如学完了《计算机程序的构造和解释》），尤其是如果你学习过编译器，那么面对一门新的语言，你只需要花一个周末稍多的时间即可基本掌握，之后你可以在工作中学习相关的类库/工具/生态。
XX流行技术怎么样?没有任何一种技术的重要程度可以达到学习其使用足以成为计算机科学教学的核心部分。不过，你对学习那门技术充满热情，这很不错。诀窍是先从特定的技术回退到基本的领域或概念，判断这门流行技术在技术的宏观大局中位于何处，然后才深入学习这门技术。
如何便宜获取教材?建议的许多教材在网上都可以免费获得，这多亏了作者们的慷慨。对于那些不免费的书籍，建议购买旧版本的二手书籍。广而言之，如果一本教材有多个版本，旧版本大概率是完全足够使用的。即便新版本的价格是旧版本的0倍，新版本也绝不可能比旧版本好0倍！
在国内购买技术书籍可以说是相当“廉价”了。如果仍旧寻求更加便宜的购买渠道，可以参考这篇V2EX上的讨论帖子，其中提到了一些不错的购买渠道。
这份指引由BradfieldSchoolofComputerScience（旧金山）的两位教员：OzanOnay和MylesByrne编写，并由Oz于年更新所以资料都为你准备好了
??????链接：