搜狐畅游那年的补录批次里3D引擎开发工程师挂了个计算机视觉方向这个组合放到今天看不算稀奇但在2019年它释放的信号和今天的岗位要求完全不一样。当时我第一反应是游戏引擎团队要会OpenCV的人干嘛后来真正接触过这类岗位的面试题和项目实际需求才明白这个方向招的不是“会调库的CV工程师”而是“懂渲染、懂数学、能写C同时看得懂视觉算法在游戏里怎么落地”的复合型选手。这篇文章不打算做成标准答案集毕竟搜狐畅游那套卷子市面上也没有公开的全套原题谁要真发出来基本等于告别行业。但我可以把这类岗位的考察逻辑、常考知识块、典型题型和备考过程中最容易踩的坑完整拆一遍。不管你是准备游戏大厂引擎岗还是想走游戏视觉的交叉方向这套思路都能直接用。1. 一份同时考引擎和视觉的笔试题到底在考什么1.1 3D引擎团队为什么要招计算机视觉方向先聊聊这个岗位为什么存在这决定了笔试的出题风格。2018到2019年那个节点手游精品化已经卷到画质层面引擎团队不再只盯渲染管线本身而是开始琢磨怎么让画面更“聪明”。计算机视觉在游戏里的应用场景在那个阶段开始落地比较典型的有几类人脸表情捕捉与虚拟角色驱动用摄像头采集玩家表情实时驱动游戏内的角色面部动画这需要人脸关键点检测和表情参数拟合。动作姿态识别通过单目或多目相机估计人体关键点映射到游戏角色骨骼做体感玩法或虚拟偶像驱动。图像分割与场景理解在AR玩法里识别真实世界的平面、物体边界做遮挡处理和虚实融合。动画生成辅助用光流或视频帧插值算法辅助补间动画减少美术手K关键帧的工作量。这些需求有一个共同点算法模型跑通了不算完必须实时跑在引擎里跟渲染线程、骨骼动画系统、物理系统做数据交换。传统做CV的人不熟引擎的数据结构和帧循环传统引擎开发又不碰视觉算法中间这个交叉地带就是这类岗位要填的坑。所以笔试的考察逻辑就很清晰了图形学基础必须过硬C工程能力必须能直接干活视觉部分考的是工程落地的底子而不是让你推深度学习论文。深度学习在笔试题里占比其实很低顶多一道概念题真正占大头的反而是图像处理、多视图几何这个“传统CV”领域。这个判断我在后来跟几位参加过同类岗位笔试的同行交流时也得到了印证。1.2 补录批次的特殊性题量和难度都跟正式批不同补录批次的笔试和秋招正式批次有几个明显区别备考策略需要相应调整。第一是题量偏少。正式批通常是90分钟到120分钟的大卷覆盖选择、填空、简答、编程多类题型补录批因为时间仓促经常压缩成核心几道题编程题比重反而更大。这意味着你没有太多“蒙选择题”的运气成分写代码的时间占比高。第二是难度分布不均匀。补录一般是有名额急招面试官会优先筛“即战力”所以题目会更偏向工程实现细节。比如直接给你一个渲染相关的小需求让你实现或者给你一段有性能隐患的代码让你优化而不是考背诵型概念。第三是流程快。补录的笔试和面试间隔通常很短有的甚至笔试完两三天就约面。准备补录时间窗口小复习策略必须抓大放小。如果你现在还想着把《C Primer》从头翻一遍那是来不及的得直接奔着高频考点和代码手感去。1.3 用一张知识地图看清考察范围把这类岗位的笔试考点整理出来大致是四个方向知识块核心内容考察权重数学基础线性代数、空间几何、微积分基础极高图形学基础渲染管线、坐标变换、光照、阴影、纹理极高计算机视觉图像处理、特征点、相机标定、位姿估计高编程能力C、数据结构、算法实现、内存管理极高权重是我按过往题目类型预估的不同批次会有浮动但工程数学能力和C这两块永远是大头。有时候甚至会出现一道编程题同时覆盖图形学和数学两个点这种题区分度极高。2. 图形学与数学笔试的地基2.1 线性代数不牢后面全白搭3D引擎方向的笔试题数学题基本跳不出线性代数这个圈。矩阵变换、向量运算、四元数这几个点每年都会反复出现。但这类题有意思的地方在于直接考你“矩阵乘法的结合律证明”的情况几乎不存在更多是给你一个具体场景让你用数学工具去解。举个例子经常会看到类似这样的题目给一个绕任意轴旋转的角度让你写出旋转矩阵或者用四元数表示。表面考的是公式记忆实际上考的是你有没有真正理解旋转在三维空间中的含义。先说绕坐标轴旋转这个大多数人背得下来绕X轴旋转θ的矩阵是[1, 0, 0, 0] [0, cosθ, -sinθ, 0] [0, sinθ, cosθ, 0] [0, 0, 0, 1]但如果题目改成绕任意单位向量n旋转就有人开始翻车。这时候需要用到罗德里格斯旋转公式。我建议你手推一遍这个公式的推导过程而不是只背结论因为后续考到四元数插值或骨骼动画的时候对旋转的理解深度直接影响你能不能做出来。四元数也是高频考点。要理解四元数为什么能避免万向锁问题为什么在骨骼蒙皮和相机控制里比欧拉角更稳定。常见考察形式是给你两个旋转的四元数让你合并成一个或者给你一个四元数让你转成旋转矩阵。这道题属于典型的“会的不难不会的完全无从下手”提前练过就能拿分。我在复习时发现一个很实用的技巧把矩阵、四元数、欧拉角之间的互相转换做成一张速查表考前拼命练到形成肌肉记忆笔试时能省下大量时间做后面的编程题。2.2 视图、投影与坐标系变换引擎里的坐标流转图形学笔试里有一个永远逃不掉的知识块坐标系变换。从模型空间到世界空间再到视图空间再到裁剪空间最后到屏幕空间每一步的矩阵长什么样、为什么这么设计必须能默写出来。这里我建议你用一条实际的顶点流转链路去记忆而不是死背矩阵。比如一个顶点在模型空间是(1,0,0)经过模型矩阵变换到世界空间再经过视图矩阵变换到相机空间再经过投影矩阵到裁剪空间最后做透视除法变成NDC坐标。笔试常见的考法有两种。第一种是给你其中某几步的矩阵让你算出最终坐标第二种是让你写出某个矩阵的具体形式比如透视投影矩阵。第二种更容易丢分因为透视投影矩阵的构造涉及视锥体的参数FOV、宽高比、近裁剪面、远裁剪面。以透视投影矩阵为例它需要把视锥体映射到一个立方体空间。内部涉及一个关键点透视除法。投影矩阵本身其实没有做除法它只是把w分量设置为-zview具体取决于坐标系定义真正的透视效果发生在后续的透视除法阶段。有些同学考试时直接把除以z写进矩阵里这种错误很典型。理解这一点对后面学视觉里的相机模型也有帮助。图形学里用投影矩阵把3D点投影到2D屏幕视觉里用内参矩阵把3D点投影到像素坐标本质都是针孔相机模型的变体只是表达方式不同。能打通这两个领域的概念你就已经比相当一部分考生有优势了。2.3 光照模型与渲染方程的基本功光照模型也是简答题的常客。兰伯特漫反射、Phong高光、Blinn-Phong这几种经典模型至少要能写出公式并解释每个参数含义。一般会考到这样的程度给定一个表面法线、光照方向、视线方向、漫反射系数和高光系数让你计算最终颜色输出。这道题不算难但容易出现符号和方向约定的混淆。提醒一个容易错的点计算漫反射时NdotL必须是法线方向和光照方向的点积如果光照方向指向光源要确保方向向量是光源方向而不是光源到表面的方向两个方向会差一个负号结果可能算反。双向反射分布函数BRDF这个概念的简答题也出现过主要考察你是否有PBR的基础认知。不需要你推导菲涅尔方程但要知道BRDF描述的是入射光方向到出射光方向反射能量的比例理解它对渲染方程的意义。这些题在视觉方向笔试题里属于“送分题”前提是你真的理解而不是背概念。面试官问法稍微变一下背概念的人是接不住的。3. 计算机视觉方向的重点考察范围3.1 图像处理与特征点不会让你推CNN但会考这些计算机视觉方向的考察范围和图形学完全不同上来就考深度学习的很少。笔试更关心你有没有掌握经典图像处理的基本功。“滤波、边缘检测、特征点提取”这几个主题出现的频率非常高。高斯滤波是必考项。常见考法有两种一种是概念题问高斯核为什么对图像做平滑能去噪σ大小对结果的影响另一种是手写实现题给你一个3×3的高斯核和一张小图像让你算中心像素的卷积结果。手动实现时容易漏掉的关键点是核归一化3×3高斯核的权重之和可能不等于1使用前必须做归一化否则图像整体亮度会发生变化。Sobel边缘检测也经常出现。需要会计算梯度幅值和方向理解为什么Sobel算子可以用两个方向的卷积核分别检测横向边缘和纵向边缘。这类题不需要背得很深但至少看到算子矩阵要能认出并能说明它的作用。特征点检测方面Harris角点检测算子的核心思想——通过局部窗口在各个方向上的灰度变化判断是否为角点——是简答和选择的高频考点。至于SIFT和ORB知道基本原理和各自特点就够了不太可能让你默写描述子生成过程但有可能让你口头描述SIFT为什么对尺度变化具有不变性。3.2 几何视觉相机模型、标定与位姿估计视觉方向笔试里真正能拉分的是几何视觉部分。这部分也是和3D引擎关联最紧密的知识。相机模型是地基。需要理解针孔相机模型内参矩阵K的形式和物理含义K [fx, 0, cx, 0] [ 0, fy, cy, 0] [ 0, 0, 1, 0]fx、fy是焦距相关的尺度因子cx、cy是主点坐标。笔试常考这样一题给定一个相机的焦距像素单位和图像分辨率写出内参矩阵。这个题做不出来的原因通常是没理解fx和fy为什么可能不相等——传感器像素不是正方形时x和y方向每毫米的像素数不同导致归一化焦距不同。相机标定部分知道张正友标定法的基本流程和为什么用棋盘格就够用。要能说出棋盘格的特征点提取容易、角点精度高、可以自动检测这些优点顺便理解标定的目标是求内参、外参和畸变系数。位姿估计是高阶题目。经典考法是给一组2D-3D对应点让你用PnP算法求解相机位姿。真题可能不会要求你完整推导EPnP但概念题中你要能说清楚输入是什么、输出是什么、最少需要几组点。PnP最少需要3组点P3P实际使用通常用5组以上降低噪声影响。这部分题目对学过SLAM或做过三维重建的考生相对友好没接触过的需要额外补课。我建议重点把坐标系转换、相机投影模型、外参矩阵的构成搞明白这些点和图形学里的视图矩阵、投影矩阵直接相通。3.3 视觉技术怎么落到引擎里跨领域思维是关键笔试中真正决定“复合型人才”定位的是那些把视觉技术和引擎场景结合起来的题目。这类题目更像开放型简答给你一个游戏玩法需求让你想想用视觉技术怎么实现。举个我印象比较深的例子面部捕捉的表情驱动。需求是玩家用普通摄像头做表情实时驱动游戏角色面部。考法可能让你画出系统流程摄像头采集帧人脸关键点检测表情系数拟合绑定到角色的BlendShape权重混合动画最后渲染。每一步用什么算法或引擎组件需要你写清楚。再有就是AR游戏里的平面检测要用视觉方法找到真实世界中的水平面。解答思路一般是特征点提取、匹配、单应性估计或SLAM点云拟合最后把检测到的平面坐标传给引擎的AR系统做虚拟物体的放置和遮挡。这类题没有标准答案考察的是你有没有把两个领域串起来的能力。回答时建议突出数据如何流转、坐标系如何对齐、性能如何考虑这比罗列算法名要有说服力得多。我自己笔试这类题时习惯先画一条数据流链路然后每个环节标注实现方案和潜在瓶颈面试官会觉得你的工程思维很完整。4. 编程题实战两道高频题的思路拆解4.1 C基本功考的不是语法是习惯引擎开发岗的笔试题C基本必考。编程题里考的不只是能不能写出正确答案更看重代码的风格、边界处理和潜在性能问题。常考知识点包括智能指针与内存管理、移动语义与右值引用、虚函数与多态、内存对齐、STL容器的时间复杂度。这些不需要长篇大论背概念但要在代码里正确使用。内存管理这块是最容易出答题质量差距的地方。写一个类时如果动态申请了内存是否实现了析构函数、拷贝构造函数、拷贝赋值运算符三法则用了裸指针还是智能指针如果题目明确说了“注意性能”你是否用reserve避免vector反复扩容这些都是隐藏考点。我见过不少同学核心逻辑写对了却因为拷贝构造导致二次析构崩溃整道题扣掉一半分。笔试环境里没有调试器这种问题必须在写代码时主动规避。4.2 一道高频代码题射线与三角形求交射线与三角形求交是引擎底层的经典问题也是这类笔试题的常客。原因是它既考数学功底又考代码实现能力而且和渲染、碰撞、拾取都相关。推荐Möller–Trumbore算法因为它不需要预计算三角形所在平面方程速度快实现简洁。核心思路是把三角形内的点用重心坐标表示联立射线方程求解t、u、v三个未知数。伪代码如下bool RayTriangleIntersect(const Ray ray, const Vector3 v0, const Vector3 v1, const Vector3 v2, float t, float u, float v) { Vector3 e1 v1 - v0; Vector3 e2 v2 - v0; Vector3 p Cross(ray.dir, e2); float det Dot(e1, p); // det为0时射线与三角形平行 if (fabs(det) 1e-8) return false; float invDet 1.0f / det; Vector3 s ray.origin - v0; u Dot(s, p) * invDet; if (u 0.0f || u 1.0f) return false; Vector3 q Cross(s, e1); v Dot(ray.dir, q) * invDet; if (v 0.0f || (u v) 1.0f) return false; t Dot(e2, q) * invDet; return t 0.0f; }代码里有几个细节是笔试评分点。第一个是eps阈值判断。浮点比较不能用等号必须用fabs(det) 1e-8判断是否接近零。第二个是重心坐标的范围判断u、v、uv都要在合法区间内。第三个是t必须大于0等于0表示射线起点在三角形上通常不算有效交点。4.3 另一道经典题手写高斯模糊图像处理类编程题常见的是实现高斯模糊。如果笔试环境有OpenCV那直接调filter2D可以过一部分用例但有些题目会明确要求不依赖外部库手写卷积。实现要点有两个。第一个是核的生成以一个5×5、σ1.0为例先用公式计算每个位置的权重float gauss(float x, float y, float sigma) { return exp(-(x*x y*y) / (2.0f * sigma * sigma)) / (2.0f * M_PI * sigma * sigma); } std::vectorfloat generateKernel(int radius, float sigma) { int size 2 * radius 1; std::vectorfloat kernel(size * size); float sum 0.0f; for (int y -radius; y radius; y) { for (int x -radius; x radius; x) { float val gauss(x, y, sigma); kernel[(y radius) * size (x radius)] val; sum val; } } // 归一化使权重和为1 for (int i 0; i size * size; i) { kernel[i] / sum; } return kernel; }这里最容易出错的就是忘记归一化或者σ太小导致中间权重过大、核的边缘权重接近于0等于没平滑。第二个容易被忽略的地方是图像边界的处理。笔试卷子经常不会明确说边界怎么处理你需要在代码里自己决定有些题目会提示用边界填充一般建议你用最邻近填充clamp或者反射填充在代码注释里写清楚即可。另外还有个性能优化点高斯核是可分离的可以用水平方向和垂直方向两次一维卷积替代二维卷积复杂度从O(n²m²)降到O(nm)。笔试时间有限先写对功能再在注释里提一句“可以进一步优化为分离卷积”面试官会对你加分。5. 备考与答题的避坑实录5.1 往年考生最容易丢分的五个点和几位参加过类似笔试的同学对过答案整理出几个共性丢分点排名不分先后第一矩阵乘法的顺序搞反。引擎里从模型空间到世界空间再到视图空间、投影空间向量总是左乘矩阵。如果写成右乘或合并矩阵时顺序颠倒结果全错。第二四元数不会转矩阵。背了四元数定义但实际考试要你给出旋转矩阵的时候写不出来或者矩阵元素位置写错。这个只能多练建议找一个标准参考实现核对。第三推导过程缺失。简答题直接写结论不给过程题目要求“画出流程”就只写算法名不展开。就算你的结论对面试官也无法判断你是真懂还是背的。第四代码不写边界条件。射线求交不判断det为0高斯模糊不处理图像边界二叉树的题不管空指针。这类错误在笔试环境下太常见也能通过检查规避。第五时间分配失衡。前面简答题写太长时间编程题没时间写或者一上来就挑战高难度编程题导致基础题没做。5.2 CV方向考生容易踩的两个思维误区第一个误区是过度关注深度学习。很多视觉方向的同学看到“计算机视觉”就以为要考CNN、目标检测、语义分割其实笔试里占比很小。拿我实习面试的经历来说面试官更关心算法能不能在帧预算内跑完、怎么和引擎管线对接传统视觉的相机模型、特征点匹配、几何重建他们在考卷上都还没问够。第二个误区是忽略图形学基础。视觉方向的同学可能觉得图形学是引擎岗的事自己会视觉算法就够了。实际上这个岗位叫“3D引擎开发工程师”图形学是主业视觉只是方向偏好。备考时图形学的权重绝不能低于视觉否则笔试第一轮就会被过滤掉。反过来图形学背景的同学准备视觉部分时会比较容易接受相机模型和坐标系变换因为和引擎里的相机概念可以直接对应。跨方向的同学不妨利用这个迁移效应先摸清两边的共通概念比如投影矩阵和内参矩阵的关系、世界坐标系和相机坐标系的转换、深度图和点云的关系这会让学习顺畅很多。5.3 应试时间分配建议根据过往经验这类补录笔试的编程题数量大概率不少于两道。拿到卷子不要直接埋头做题先花两分钟浏览全部题目标出自己最有把握的题再规划时间。一个可行的比例是选择填空和简答总共控制在40%的时间以内编程题留60%。这主要是因为在笔试平台上代码没跑通基本等于零分而简答题写几行关键词还能捞点分。编程题一定要选自己最有把握的一题先写别一上来就死磕最难的。补录批次题量虽然小但题目质量通常不低。碰到完全不会的数学推导题不要直接空着把你确定的前置公式写在旁边有时候面试官能看到你的思考过程哪怕最后没得出最终答案也会给一点分。6. 关于这个方向我个人的一些体会说句实在话“3D引擎开发工程师计算机视觉方向”这种组合岗位在2019年算稀缺放到现在依然是游戏技术岗位里的一个小众分支。它不像纯粹的后端、客户端岗位那样有成熟的题库和培训机构备考资料少更需要自己动手把分散的知识点串起来。我当时的复习策略是先从图形学基础扫盲重点把坐标变换、投影矩阵、光照模型吃透然后拿视觉的经典教材补相机模型和多视图几何最后用LeetCode和图形学编程题练手感。每周会花一整个下午的时间用代码实现一个从图像特征点提取到PNP位姿估计的小流程把两个领域的知识串起来这个练习对笔试和面试帮助最大。补录批次的笔试通常没那么多“偏题怪题”它更想看你在基础扎实的前提下有没有解决交叉问题的潜质。如果你平时就对引擎渲染和视觉算法都有积累那这套卷子对你来说不应该是障碍而是展示自己的机会。希望这份拆解能帮你少走一些弯路把精力花在刀刃上。 3D引擎开发与计算机视觉交叉岗笔试全解析：从图形学到C++
搜狐畅游那年的补录批次里3D引擎开发工程师挂了个计算机视觉方向这个组合放到今天看不算稀奇但在2019年它释放的信号和今天的岗位要求完全不一样。当时我第一反应是游戏引擎团队要会OpenCV的人干嘛后来真正接触过这类岗位的面试题和项目实际需求才明白这个方向招的不是“会调库的CV工程师”而是“懂渲染、懂数学、能写C同时看得懂视觉算法在游戏里怎么落地”的复合型选手。这篇文章不打算做成标准答案集毕竟搜狐畅游那套卷子市面上也没有公开的全套原题谁要真发出来基本等于告别行业。但我可以把这类岗位的考察逻辑、常考知识块、典型题型和备考过程中最容易踩的坑完整拆一遍。不管你是准备游戏大厂引擎岗还是想走游戏视觉的交叉方向这套思路都能直接用。1. 一份同时考引擎和视觉的笔试题到底在考什么1.1 3D引擎团队为什么要招计算机视觉方向先聊聊这个岗位为什么存在这决定了笔试的出题风格。2018到2019年那个节点手游精品化已经卷到画质层面引擎团队不再只盯渲染管线本身而是开始琢磨怎么让画面更“聪明”。计算机视觉在游戏里的应用场景在那个阶段开始落地比较典型的有几类人脸表情捕捉与虚拟角色驱动用摄像头采集玩家表情实时驱动游戏内的角色面部动画这需要人脸关键点检测和表情参数拟合。动作姿态识别通过单目或多目相机估计人体关键点映射到游戏角色骨骼做体感玩法或虚拟偶像驱动。图像分割与场景理解在AR玩法里识别真实世界的平面、物体边界做遮挡处理和虚实融合。动画生成辅助用光流或视频帧插值算法辅助补间动画减少美术手K关键帧的工作量。这些需求有一个共同点算法模型跑通了不算完必须实时跑在引擎里跟渲染线程、骨骼动画系统、物理系统做数据交换。传统做CV的人不熟引擎的数据结构和帧循环传统引擎开发又不碰视觉算法中间这个交叉地带就是这类岗位要填的坑。所以笔试的考察逻辑就很清晰了图形学基础必须过硬C工程能力必须能直接干活视觉部分考的是工程落地的底子而不是让你推深度学习论文。深度学习在笔试题里占比其实很低顶多一道概念题真正占大头的反而是图像处理、多视图几何这个“传统CV”领域。这个判断我在后来跟几位参加过同类岗位笔试的同行交流时也得到了印证。1.2 补录批次的特殊性题量和难度都跟正式批不同补录批次的笔试和秋招正式批次有几个明显区别备考策略需要相应调整。第一是题量偏少。正式批通常是90分钟到120分钟的大卷覆盖选择、填空、简答、编程多类题型补录批因为时间仓促经常压缩成核心几道题编程题比重反而更大。这意味着你没有太多“蒙选择题”的运气成分写代码的时间占比高。第二是难度分布不均匀。补录一般是有名额急招面试官会优先筛“即战力”所以题目会更偏向工程实现细节。比如直接给你一个渲染相关的小需求让你实现或者给你一段有性能隐患的代码让你优化而不是考背诵型概念。第三是流程快。补录的笔试和面试间隔通常很短有的甚至笔试完两三天就约面。准备补录时间窗口小复习策略必须抓大放小。如果你现在还想着把《C Primer》从头翻一遍那是来不及的得直接奔着高频考点和代码手感去。1.3 用一张知识地图看清考察范围把这类岗位的笔试考点整理出来大致是四个方向知识块核心内容考察权重数学基础线性代数、空间几何、微积分基础极高图形学基础渲染管线、坐标变换、光照、阴影、纹理极高计算机视觉图像处理、特征点、相机标定、位姿估计高编程能力C、数据结构、算法实现、内存管理极高权重是我按过往题目类型预估的不同批次会有浮动但工程数学能力和C这两块永远是大头。有时候甚至会出现一道编程题同时覆盖图形学和数学两个点这种题区分度极高。2. 图形学与数学笔试的地基2.1 线性代数不牢后面全白搭3D引擎方向的笔试题数学题基本跳不出线性代数这个圈。矩阵变换、向量运算、四元数这几个点每年都会反复出现。但这类题有意思的地方在于直接考你“矩阵乘法的结合律证明”的情况几乎不存在更多是给你一个具体场景让你用数学工具去解。举个例子经常会看到类似这样的题目给一个绕任意轴旋转的角度让你写出旋转矩阵或者用四元数表示。表面考的是公式记忆实际上考的是你有没有真正理解旋转在三维空间中的含义。先说绕坐标轴旋转这个大多数人背得下来绕X轴旋转θ的矩阵是[1, 0, 0, 0] [0, cosθ, -sinθ, 0] [0, sinθ, cosθ, 0] [0, 0, 0, 1]但如果题目改成绕任意单位向量n旋转就有人开始翻车。这时候需要用到罗德里格斯旋转公式。我建议你手推一遍这个公式的推导过程而不是只背结论因为后续考到四元数插值或骨骼动画的时候对旋转的理解深度直接影响你能不能做出来。四元数也是高频考点。要理解四元数为什么能避免万向锁问题为什么在骨骼蒙皮和相机控制里比欧拉角更稳定。常见考察形式是给你两个旋转的四元数让你合并成一个或者给你一个四元数让你转成旋转矩阵。这道题属于典型的“会的不难不会的完全无从下手”提前练过就能拿分。我在复习时发现一个很实用的技巧把矩阵、四元数、欧拉角之间的互相转换做成一张速查表考前拼命练到形成肌肉记忆笔试时能省下大量时间做后面的编程题。2.2 视图、投影与坐标系变换引擎里的坐标流转图形学笔试里有一个永远逃不掉的知识块坐标系变换。从模型空间到世界空间再到视图空间再到裁剪空间最后到屏幕空间每一步的矩阵长什么样、为什么这么设计必须能默写出来。这里我建议你用一条实际的顶点流转链路去记忆而不是死背矩阵。比如一个顶点在模型空间是(1,0,0)经过模型矩阵变换到世界空间再经过视图矩阵变换到相机空间再经过投影矩阵到裁剪空间最后做透视除法变成NDC坐标。笔试常见的考法有两种。第一种是给你其中某几步的矩阵让你算出最终坐标第二种是让你写出某个矩阵的具体形式比如透视投影矩阵。第二种更容易丢分因为透视投影矩阵的构造涉及视锥体的参数FOV、宽高比、近裁剪面、远裁剪面。以透视投影矩阵为例它需要把视锥体映射到一个立方体空间。内部涉及一个关键点透视除法。投影矩阵本身其实没有做除法它只是把w分量设置为-zview具体取决于坐标系定义真正的透视效果发生在后续的透视除法阶段。有些同学考试时直接把除以z写进矩阵里这种错误很典型。理解这一点对后面学视觉里的相机模型也有帮助。图形学里用投影矩阵把3D点投影到2D屏幕视觉里用内参矩阵把3D点投影到像素坐标本质都是针孔相机模型的变体只是表达方式不同。能打通这两个领域的概念你就已经比相当一部分考生有优势了。2.3 光照模型与渲染方程的基本功光照模型也是简答题的常客。兰伯特漫反射、Phong高光、Blinn-Phong这几种经典模型至少要能写出公式并解释每个参数含义。一般会考到这样的程度给定一个表面法线、光照方向、视线方向、漫反射系数和高光系数让你计算最终颜色输出。这道题不算难但容易出现符号和方向约定的混淆。提醒一个容易错的点计算漫反射时NdotL必须是法线方向和光照方向的点积如果光照方向指向光源要确保方向向量是光源方向而不是光源到表面的方向两个方向会差一个负号结果可能算反。双向反射分布函数BRDF这个概念的简答题也出现过主要考察你是否有PBR的基础认知。不需要你推导菲涅尔方程但要知道BRDF描述的是入射光方向到出射光方向反射能量的比例理解它对渲染方程的意义。这些题在视觉方向笔试题里属于“送分题”前提是你真的理解而不是背概念。面试官问法稍微变一下背概念的人是接不住的。3. 计算机视觉方向的重点考察范围3.1 图像处理与特征点不会让你推CNN但会考这些计算机视觉方向的考察范围和图形学完全不同上来就考深度学习的很少。笔试更关心你有没有掌握经典图像处理的基本功。“滤波、边缘检测、特征点提取”这几个主题出现的频率非常高。高斯滤波是必考项。常见考法有两种一种是概念题问高斯核为什么对图像做平滑能去噪σ大小对结果的影响另一种是手写实现题给你一个3×3的高斯核和一张小图像让你算中心像素的卷积结果。手动实现时容易漏掉的关键点是核归一化3×3高斯核的权重之和可能不等于1使用前必须做归一化否则图像整体亮度会发生变化。Sobel边缘检测也经常出现。需要会计算梯度幅值和方向理解为什么Sobel算子可以用两个方向的卷积核分别检测横向边缘和纵向边缘。这类题不需要背得很深但至少看到算子矩阵要能认出并能说明它的作用。特征点检测方面Harris角点检测算子的核心思想——通过局部窗口在各个方向上的灰度变化判断是否为角点——是简答和选择的高频考点。至于SIFT和ORB知道基本原理和各自特点就够了不太可能让你默写描述子生成过程但有可能让你口头描述SIFT为什么对尺度变化具有不变性。3.2 几何视觉相机模型、标定与位姿估计视觉方向笔试里真正能拉分的是几何视觉部分。这部分也是和3D引擎关联最紧密的知识。相机模型是地基。需要理解针孔相机模型内参矩阵K的形式和物理含义K [fx, 0, cx, 0] [ 0, fy, cy, 0] [ 0, 0, 1, 0]fx、fy是焦距相关的尺度因子cx、cy是主点坐标。笔试常考这样一题给定一个相机的焦距像素单位和图像分辨率写出内参矩阵。这个题做不出来的原因通常是没理解fx和fy为什么可能不相等——传感器像素不是正方形时x和y方向每毫米的像素数不同导致归一化焦距不同。相机标定部分知道张正友标定法的基本流程和为什么用棋盘格就够用。要能说出棋盘格的特征点提取容易、角点精度高、可以自动检测这些优点顺便理解标定的目标是求内参、外参和畸变系数。位姿估计是高阶题目。经典考法是给一组2D-3D对应点让你用PnP算法求解相机位姿。真题可能不会要求你完整推导EPnP但概念题中你要能说清楚输入是什么、输出是什么、最少需要几组点。PnP最少需要3组点P3P实际使用通常用5组以上降低噪声影响。这部分题目对学过SLAM或做过三维重建的考生相对友好没接触过的需要额外补课。我建议重点把坐标系转换、相机投影模型、外参矩阵的构成搞明白这些点和图形学里的视图矩阵、投影矩阵直接相通。3.3 视觉技术怎么落到引擎里跨领域思维是关键笔试中真正决定“复合型人才”定位的是那些把视觉技术和引擎场景结合起来的题目。这类题目更像开放型简答给你一个游戏玩法需求让你想想用视觉技术怎么实现。举个我印象比较深的例子面部捕捉的表情驱动。需求是玩家用普通摄像头做表情实时驱动游戏角色面部。考法可能让你画出系统流程摄像头采集帧人脸关键点检测表情系数拟合绑定到角色的BlendShape权重混合动画最后渲染。每一步用什么算法或引擎组件需要你写清楚。再有就是AR游戏里的平面检测要用视觉方法找到真实世界中的水平面。解答思路一般是特征点提取、匹配、单应性估计或SLAM点云拟合最后把检测到的平面坐标传给引擎的AR系统做虚拟物体的放置和遮挡。这类题没有标准答案考察的是你有没有把两个领域串起来的能力。回答时建议突出数据如何流转、坐标系如何对齐、性能如何考虑这比罗列算法名要有说服力得多。我自己笔试这类题时习惯先画一条数据流链路然后每个环节标注实现方案和潜在瓶颈面试官会觉得你的工程思维很完整。4. 编程题实战两道高频题的思路拆解4.1 C基本功考的不是语法是习惯引擎开发岗的笔试题C基本必考。编程题里考的不只是能不能写出正确答案更看重代码的风格、边界处理和潜在性能问题。常考知识点包括智能指针与内存管理、移动语义与右值引用、虚函数与多态、内存对齐、STL容器的时间复杂度。这些不需要长篇大论背概念但要在代码里正确使用。内存管理这块是最容易出答题质量差距的地方。写一个类时如果动态申请了内存是否实现了析构函数、拷贝构造函数、拷贝赋值运算符三法则用了裸指针还是智能指针如果题目明确说了“注意性能”你是否用reserve避免vector反复扩容这些都是隐藏考点。我见过不少同学核心逻辑写对了却因为拷贝构造导致二次析构崩溃整道题扣掉一半分。笔试环境里没有调试器这种问题必须在写代码时主动规避。4.2 一道高频代码题射线与三角形求交射线与三角形求交是引擎底层的经典问题也是这类笔试题的常客。原因是它既考数学功底又考代码实现能力而且和渲染、碰撞、拾取都相关。推荐Möller–Trumbore算法因为它不需要预计算三角形所在平面方程速度快实现简洁。核心思路是把三角形内的点用重心坐标表示联立射线方程求解t、u、v三个未知数。伪代码如下bool RayTriangleIntersect(const Ray ray, const Vector3 v0, const Vector3 v1, const Vector3 v2, float t, float u, float v) { Vector3 e1 v1 - v0; Vector3 e2 v2 - v0; Vector3 p Cross(ray.dir, e2); float det Dot(e1, p); // det为0时射线与三角形平行 if (fabs(det) 1e-8) return false; float invDet 1.0f / det; Vector3 s ray.origin - v0; u Dot(s, p) * invDet; if (u 0.0f || u 1.0f) return false; Vector3 q Cross(s, e1); v Dot(ray.dir, q) * invDet; if (v 0.0f || (u v) 1.0f) return false; t Dot(e2, q) * invDet; return t 0.0f; }代码里有几个细节是笔试评分点。第一个是eps阈值判断。浮点比较不能用等号必须用fabs(det) 1e-8判断是否接近零。第二个是重心坐标的范围判断u、v、uv都要在合法区间内。第三个是t必须大于0等于0表示射线起点在三角形上通常不算有效交点。4.3 另一道经典题手写高斯模糊图像处理类编程题常见的是实现高斯模糊。如果笔试环境有OpenCV那直接调filter2D可以过一部分用例但有些题目会明确要求不依赖外部库手写卷积。实现要点有两个。第一个是核的生成以一个5×5、σ1.0为例先用公式计算每个位置的权重float gauss(float x, float y, float sigma) { return exp(-(x*x y*y) / (2.0f * sigma * sigma)) / (2.0f * M_PI * sigma * sigma); } std::vectorfloat generateKernel(int radius, float sigma) { int size 2 * radius 1; std::vectorfloat kernel(size * size); float sum 0.0f; for (int y -radius; y radius; y) { for (int x -radius; x radius; x) { float val gauss(x, y, sigma); kernel[(y radius) * size (x radius)] val; sum val; } } // 归一化使权重和为1 for (int i 0; i size * size; i) { kernel[i] / sum; } return kernel; }这里最容易出错的就是忘记归一化或者σ太小导致中间权重过大、核的边缘权重接近于0等于没平滑。第二个容易被忽略的地方是图像边界的处理。笔试卷子经常不会明确说边界怎么处理你需要在代码里自己决定有些题目会提示用边界填充一般建议你用最邻近填充clamp或者反射填充在代码注释里写清楚即可。另外还有个性能优化点高斯核是可分离的可以用水平方向和垂直方向两次一维卷积替代二维卷积复杂度从O(n²m²)降到O(nm)。笔试时间有限先写对功能再在注释里提一句“可以进一步优化为分离卷积”面试官会对你加分。5. 备考与答题的避坑实录5.1 往年考生最容易丢分的五个点和几位参加过类似笔试的同学对过答案整理出几个共性丢分点排名不分先后第一矩阵乘法的顺序搞反。引擎里从模型空间到世界空间再到视图空间、投影空间向量总是左乘矩阵。如果写成右乘或合并矩阵时顺序颠倒结果全错。第二四元数不会转矩阵。背了四元数定义但实际考试要你给出旋转矩阵的时候写不出来或者矩阵元素位置写错。这个只能多练建议找一个标准参考实现核对。第三推导过程缺失。简答题直接写结论不给过程题目要求“画出流程”就只写算法名不展开。就算你的结论对面试官也无法判断你是真懂还是背的。第四代码不写边界条件。射线求交不判断det为0高斯模糊不处理图像边界二叉树的题不管空指针。这类错误在笔试环境下太常见也能通过检查规避。第五时间分配失衡。前面简答题写太长时间编程题没时间写或者一上来就挑战高难度编程题导致基础题没做。5.2 CV方向考生容易踩的两个思维误区第一个误区是过度关注深度学习。很多视觉方向的同学看到“计算机视觉”就以为要考CNN、目标检测、语义分割其实笔试里占比很小。拿我实习面试的经历来说面试官更关心算法能不能在帧预算内跑完、怎么和引擎管线对接传统视觉的相机模型、特征点匹配、几何重建他们在考卷上都还没问够。第二个误区是忽略图形学基础。视觉方向的同学可能觉得图形学是引擎岗的事自己会视觉算法就够了。实际上这个岗位叫“3D引擎开发工程师”图形学是主业视觉只是方向偏好。备考时图形学的权重绝不能低于视觉否则笔试第一轮就会被过滤掉。反过来图形学背景的同学准备视觉部分时会比较容易接受相机模型和坐标系变换因为和引擎里的相机概念可以直接对应。跨方向的同学不妨利用这个迁移效应先摸清两边的共通概念比如投影矩阵和内参矩阵的关系、世界坐标系和相机坐标系的转换、深度图和点云的关系这会让学习顺畅很多。5.3 应试时间分配建议根据过往经验这类补录笔试的编程题数量大概率不少于两道。拿到卷子不要直接埋头做题先花两分钟浏览全部题目标出自己最有把握的题再规划时间。一个可行的比例是选择填空和简答总共控制在40%的时间以内编程题留60%。这主要是因为在笔试平台上代码没跑通基本等于零分而简答题写几行关键词还能捞点分。编程题一定要选自己最有把握的一题先写别一上来就死磕最难的。补录批次题量虽然小但题目质量通常不低。碰到完全不会的数学推导题不要直接空着把你确定的前置公式写在旁边有时候面试官能看到你的思考过程哪怕最后没得出最终答案也会给一点分。6. 关于这个方向我个人的一些体会说句实在话“3D引擎开发工程师计算机视觉方向”这种组合岗位在2019年算稀缺放到现在依然是游戏技术岗位里的一个小众分支。它不像纯粹的后端、客户端岗位那样有成熟的题库和培训机构备考资料少更需要自己动手把分散的知识点串起来。我当时的复习策略是先从图形学基础扫盲重点把坐标变换、投影矩阵、光照模型吃透然后拿视觉的经典教材补相机模型和多视图几何最后用LeetCode和图形学编程题练手感。每周会花一整个下午的时间用代码实现一个从图像特征点提取到PNP位姿估计的小流程把两个领域的知识串起来这个练习对笔试和面试帮助最大。补录批次的笔试通常没那么多“偏题怪题”它更想看你在基础扎实的前提下有没有解决交叉问题的潜质。如果你平时就对引擎渲染和视觉算法都有积累那这套卷子对你来说不应该是障碍而是展示自己的机会。希望这份拆解能帮你少走一些弯路把精力花在刀刃上。