2026年自动驾驶Python开发面试题库

2026年自动驾驶Python开发面试题库一、基础编程题（5题，每题10分）题目1（10分）请编写一个Python函数，实现以下功能：接受一个包含多个单词的字符串作为输入，返回一个新字符串，其中每个单词的首字母大写，其余字母小写。例如，输入"helloworld"，输出"HelloWorld"。pythondefcapitalize_words(input_str):你的代码题目2（10分）给定一个列表`nums`，编写一个函数`find_max`，找出列表中的最大值及其索引位置。如果列表为空，返回`None`。要求不使用内置的`max()`函数。pythondeffind_max(nums):你的代码题目3（10分）编写一个函数，接受一个正整数`n`作为参数，返回一个列表，其中包含从1到`n`的斐波那契数列。斐波那契数列的定义为：第0项为0，第1项为1，从第2项开始，每一项都等于前两项之和。pythondeffibonacci(n):你的代码题目4（10分）实现一个简单的LRU（最近最少使用）缓存，使用Python字典实现。缓存有固定的容量`capacity`，当容量满时，需要淘汰最久未使用的元素。提供`get`和`put`方法。pythonclassLRUCache:def__init__(self,capacity):初始化代码defget(self,key):你的代码defput(self,key,value):你的代码题目5（10分）编写一个函数，接受一个正整数`n`，返回一个列表，其中包含所有小于或等于`n`的素数。要求使用埃拉托斯特尼筛法（SieveofEratosthenes）实现。pythondefsieve_of_eratosthenes(n):你的代码二、算法与数据结构题（5题，每题15分）题目6（15分）给定一个整数数组`nums`和一个目标值`target`，请编写一个函数`three_sum`，找出数组中和为目标值的三个数，并返回所有可能的组合。不能重复使用相同的元素。pythondefthree_sum(nums,target):你的代码题目7（15分）编写一个函数`merge_sort`，实现归并排序算法。对给定的列表进行排序，并返回排序后的列表。pythondefmerge_sort(arr):你的代码题目8（15分）实现一个二叉搜索树（BST），提供插入和搜索方法。插入时保持BST的性质，搜索时返回是否存在该值。pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightclassBST:def__init__(self):初始化代码definsert(self,val):你的代码defsearch(self,val):你的代码题目9（15分）编写一个函数`group_anagrams`，接受一个字符串列表，将所有字母异位词分组到一起。字母异位词是指由相同字母重新排列形成的不同单词。pythondefgroup_anagrams(strs):你的代码题目10（15分）实现一个简单的图数据结构，使用邻接表表示。提供深度优先搜索（DFS）和广度优先搜索（BFS）方法。pythonclassGraph:def__init__(self):初始化代码defadd_edge(self,u,v):你的代码defdfs(self,start):你的代码defbfs(self,start):你的代码三、自动驾驶相关编程题（5题，每题20分）题目11（20分）假设你正在开发自动驾驶系统的感知模块，需要编写一个函数`detect_objects`，接受一个包含多个车辆和行人的坐标列表（每个元素为`(x,y,type)`，其中`type`为"car"或"pedestrian"），返回一个列表，其中只包含距离原点(0,0)最近的5个对象。pythondefdetect_objects(objects):你的代码题目12（20分）编写一个函数`calculate_trajectory`，模拟一个物体的运动轨迹。输入参数为初始速度`v0`、发射角度`theta`（以度为单位）、重力加速度`g`，返回物体在时间`t`时刻的x和y坐标。假设不考虑空气阻力。pythondefcalculate_trajectory(v0,theta,g,t):你的代码题目13（20分）实现一个简单的路径规划算法，给定起点和终点，返回一条路径。使用A搜索算法实现，假设地图用一个二维网格表示，0表示可通行区域，1表示障碍物。pythondefa_star_path(grid,start,end):你的代码题目14（20分）编写一个函数`process_lidar_data`，模拟处理激光雷达（LIDAR）数据。输入为一个包含多个点云数据的列表（每个元素为`(x,y,z)`），返回一个列表，其中包含所有点云距离原点的距离排序后的结果。pythondefprocess_lidar_data(points):你的代码题目15（20分）实现一个简单的传感器融合算法，接受来自不同传感器的数据（例如摄像头和雷达），返回融合后的结果。假设每个传感器返回一个包含位置和速度的字典。pythondefsensor_fusion(camera_data,radar_data):你的代码四、系统设计题（3题，每题30分）题目16（30分）设计一个自动驾驶系统的感知模块，需要处理来自多个传感器的数据（摄像头、激光雷达、毫米波雷达等）。请描述你的设计思路，包括数据结构、处理流程和主要算法。题目17（30分）设计一个自动驾驶系统的决策模块，需要根据感知模块提供的信息，决定车辆的行驶策略（加速、减速、转向等）。请描述你的设计思路，包括输入输出、处理流程和主要算法。题目18（30分）设计一个自动驾驶系统的路径规划模块，需要根据起点和终点，规划一条安全高效的路径。请描述你的设计思路，包括数据结构、处理流程和主要算法。答案与解析基础编程题答案与解析题目1答案pythondefcapitalize_words(input_str):return''.join(word.capitalize()forwordininput_str.split())解析：使用字符串的`split()`方法将输入字符串按空格分割成单词列表，然后使用列表推导式对每个单词调用`capitalize()`方法，最后用空格将结果连接起来。题目2答案pythondeffind_max(nums):ifnotnums:returnNonemax_val=nums[0]max_idx=0foriinrange(1,len(nums)):ifnums[i]>max_val:max_val=nums[i]max_idx=ireturnmax_val,max_idx解析：首先检查列表是否为空，如果为空则返回`None`。然后初始化最大值和索引，遍历列表，更新最大值和索引。题目3答案pythondeffibonacci(n):ifn==0:return[]elifn==1:return[0]fib=[0,1]foriinrange(2,n):fib.append(fib[-1]+fib[-2])returnfib解析：根据斐波那契数列的定义，处理边界情况`n=0`和`n=1`。然后初始化列表，使用循环计算后续项。题目4答案pythonclassLRUCache:def__init__(self,capacity):self.capacity=capacityself.cache={}self.order=[]defget(self,key):ifkeyinself.cache:self.order.remove(key)self.order.append(key)returnself.cache[key]return-1defput(self,key,value):ifkeyinself.cache:self.order.remove(key)eliflen(self.cache)>=self.capacity:oldest_key=self.order.pop(0)delself.cache[oldest_key]self.cache[key]=valueself.order.append(key)解析：使用字典存储缓存数据，列表记录访问顺序。`get`方法中，如果找到键则更新顺序；`put`方法中，如果键已存在则更新顺序，如果缓存已满则删除最久未使用的元素。题目5答案pythondefsieve_of_eratosthenes(n):is_prime=[True](n+1)is_prime[0]=is_prime[1]=Falseforiinrange(2,int(n0.5)+1):ifis_prime[i]:forjinrange(ii,n+1,i):is_prime[j]=Falsereturn[iforiinrange(n+1)ifis_prime[i]]解析：使用埃拉托斯特尼筛法，初始化一个布尔数组表示每个数是否为素数，然后从2开始遍历，将所有倍数标记为非素数。算法与数据结构题答案与解析题目6答案pythondefthree_sum(nums,target):nums.sort()result=[]foriinrange(len(nums)-2):ifi>0andnums[i]==nums[i-1]:continueleft,right=i+1,len(nums)-1whileleft<right:total=nums[i]+nums[left]+nums[right]iftotal==target:result.append([nums[i],nums[left],nums[right]])whileleft<rightandnums[left]==nums[left+1]:left+=1whileleft<rightandnums[right]==nums[right-1]:right-=1left+=1right-=1eliftotal<target:left+=1else:right-=1returnresult解析：先对数组排序，然后使用双指针法，固定一个数，使用两个指针分别指向剩余部分的首尾，根据和与目标的比较调整指针位置。题目7答案pythondefmerge_sort(arr):iflen(arr)<=1:returnarrmid=len(arr)//2left=merge_sort(arr[:mid])right=merge_sort(arr[mid:])returnmerge(left,right)defmerge(left,right):result=[]i=j=0whilei<len(left)andj<len(right):ifleft[i]<right[j]:result.append(left[i])i+=1else:result.append(right[j])j+=1result.extend(left[i:])result.extend(right[j:])returnresult解析：归并排序是分治算法，先递归地将数组分成两半，然后合并排序后的子数组。合并时使用双指针比较大小，按顺序放入结果数组。题目8答案pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightclassBST:def__init__(self):self.root=Nonedefinsert(self,val):self.root=self._insert(self.root,val)def_insert(self,node,val):ifnodeisNone:returnTreeNode(val)ifval<node.val:node.left=self._insert(node.left,val)else:node.right=self._insert(node.right,val)returnnodedefsearch(self,val):returnself._search(self.root,val)def_search(self,node,val):ifnodeisNone:returnFalseifval==node.val:returnTrueelifval<node.val:returnself._search(node.left,val)else:returnself._search(node.right,val)解析：二叉搜索树（BST）中，左子树所有值小于根节点，右子树所有值大于根节点。插入时递归找到合适位置，搜索时递归比较大小。题目9答案pythondefgroup_anagrams(strs):anagrams={}forsinstrs:sorted_str=''.join(sorted(s))ifsorted_strinanagrams:anagrams[sorted_str].append(s)else:anagrams[sorted_str]=[s]returnlist(anagrams.values())解析：将每个字符串排序，排序后的字符串作为键，原字符串作为值存入字典。最后返回字典的值。题目10答案pythonclassGraph:def__init__(self):self.adj_list={}defadd_edge(self,u,v):ifunotinself.adj_list:self.adj_list[u]=[]ifvnotinself.adj_list:self.adj_list[v]=[]self.adj_list[u].append(v)self.adj_list[v].append(u)#无向图defdfs(self,start):visited=set()self._dfs(start,visited)returnvisiteddef_dfs(self,node,visited):visited.add(node)forneighborinself.adj_list.get(node,[]):ifneighbornotinvisited:self._dfs(neighbor,visited)defbfs(self,start):visited=set()queue=[start]whilequeue:node=queue.pop(0)ifnodenotinvisited:visited.add(node)queue.extend(self.adj_list.get(node,[]))returnvisited解析：图使用邻接表表示，DFS使用递归或栈实现，BFS使用队列实现。每次访问节点时标记为已访问，避免重复访问。自动驾驶相关编程题答案与解析题目11答案pythondefdetect_objects(objects):计算每个对象到原点的距离defdistance(obj):x,y,_=objreturn(x2+y2)0.5按距离排序并取前5个sorted_objects=sorted(objects,key=distance)returnsorted_objects[:5]解析：定义一个辅助函数计算每个对象到原点的距离，然后按距离排序，取前5个对象。题目12答案pythonimportmathdefcalculate_trajectory(v0,theta,g,t):theta_rad=math.radians(theta)x=v0math.cos(theta_rad)ty=v0math.sin(theta_rad)t-0.5gt2returnx,y解析：将角度转换为弧度，然后根据抛体运动公式计算x和y坐标。题目13答案pythondefa_star_path(grid,start,end):defheuristic(a,b):returnabs(a[0]-b[0])+abs(a[1]-b[1])open_set={start}came_from={}g_score={start:0}f_score={start:heuristic(start,end)}whileopen_set:current=min(open_set,key=lambdax:f_score[x])ifcurrent==end:path=[]whilecurrentincame_from:path.append(current)current=came_from[current]returnpath[::-1]open_set.remove(current)fordx,dyin[(-1,0),(1,0),(0,-1),(0,1)]:neighbor=(current[0]+dx,current[1]+dy)if0<=neighbor[0]<len(grid)and0<=neighbor[1]<len(grid[0])andgrid[neighbor[0]][neighbor[1]]==0:tentative_g_score=g_score[current]+1ifneighbornoting_scoreortentative_g_score<g_score[neighbor]:came_from[neighbor]=currentg_score[neighbor]=tentative_g_scoref_score[neighbor]=tentative_g_score+heuristic(neighbor,end)open_set.add(neighbor)return[]解析：A搜索算法使用启发式函数（曼哈顿距离）和实际代价，通过优先队列（这里用集合模拟）选择下一个要访问的节点，直到找到终点。题目14答案pythondefprocess_lidar_data(points):计算每个点到原点的距离defdistance(obj):x,y,_=objreturn(x2+y2)0.5按距离排序sorted_points=sorted(points,key=distance)提取距离distances=[distance(p)forpinsorted_points]returndistances解析：与题目11类似，计算每个点到原点的距离，然后排序并提取距离。题目15答案pythondefsensor_fusion(camera_data,radar_data):简单的加权平均融合fused_position=(camera_data['x']0.6+radar_data['x']0.4,camera_data['y']0.6+radar_data['y']0.4)fused_velocity=(camera_data['vx']0.6+radar_data['vx']0.4,camera_data['vy']0.6+radar_data['vy']0.4)return{'position':fused_position,'velo