还是字节跳动。把感知算法工程师往深里聊，3D视觉绕不开，今天就把这一块讲透。3D视觉：答到工程细节才算过关3D视觉这题，字节跳动面试官十次有八次会问。它不是考记忆，而是考候选人能不能讲出工程上的取舍。面试官开口就问：“字节跳动的仓储拣选机械臂要理解料框里物体的3D排布以规划抓取，你怎么做实时3D感知？”回答思路：用RGB-D（RealSense D455）采点云，先滤波去噪+平面分割扣掉料框，再欧式聚类分物体实例。每个实例求OBB有向包围盒得到粗略位姿，喂给抓取网络GraspNet。GPU端实时体素下采样到5mm，整框处理50ms。关键是时序配准（ICP）把多帧拼成稳定点云，解决单帧遮挡。降采样用最远点采样保形状，避免密集区过采样拖慢。把思路落到代码上，是这样：def cluster(pcd, eps=0.02, min_pts=30): labels = np.array(pcd.cluster_dbscan(eps, min_pts, False)) return [pcd.select_by_index(np.where(labels == i)[0]) for i in set(labels) if i = 0
