南京理工大学昨天传来消息，该校计算机学院研二学生李剑和队友，本月初PK掉了其他2499支队伍，在全球算法大赛中获得冠军，获得10万美元的奖金。
在美国举行的“无人驾驶全球挑战赛”是面向全球数据人才的算法竞赛，要求选手们以硅谷地区海量的真实出行数据为基础，创建自动化安全和感知处理系统，用于识别路径上的行人、车辆及其他障碍物，来提升人类和智能驾驶的普遍安全性。
比赛吸引了来自中国、美国、俄罗斯、西班牙等世界各地的近2500支队伍参赛。选手们都是来自全球顶级学校和研究院的人才。
李剑和队友应缜哲相识于之前的比赛。“赛前我们定下的目标是前五，6月初赛结束排名第一，当我们很开心地将目标定为第一后，7月份比赛封榜时成绩又到了第二。”李剑说，当时还挺“绝望”的，第一名的数据高他们太多。但是意外的是，7月底，官方通知，第一名提交的结果有瑕疵，成绩实为第五，他们又成了第一。
8月底，由于队友签证问题，李剑只身一人前往硅谷参加决赛答辩。最终，李剑团队凭借两轮排名第一，把10万美金大奖收入囊中。
记者了解到，李剑上大学才开始接触编程，虽然起步比别人晚，但是经过这几年的钻研，在不少大赛中取得了不错的成绩。
去年9月份举行的国内首个专业化人工智能大赛上，他的团队获得了亚军;去年11月份，中国计算机学会大数据竞赛中“交通信号灯的检测”子赛中，最终获得前五;今年年初，他和同学组队参加神州专车的“无人驾驶挑战赛”，获得了冠军。
本次初赛期间，有一段时间他们的排名始终上不去，后来在学校课题组杨健教授、钱建军副教授的指导下，不断尝试新的方法，调试参数，才找到了最优的那一个。“深度学习方法是当下最流行的算法，它是模拟人的视觉和大脑思考方式的神经元网络。比赛中，我们的图形编辑运用了这一方法，其他则用了自己设计的‘点云’算法。”李剑解释，激光雷达收集来的、三维空间物体表面的点的集合叫“点云”，他们通过技术过滤掉了多余的“点”，并对剩下的点进行精细化识别。
比赛封榜时，李剑团队检测到的车辆位置和实际车辆位置的重叠率是43%，50米内的物体，识别速度在20毫秒之内。但是在他看来，后面还有很多工作要做。“精确度至少要到90%才算基本达标，这个过程可能需要5年、10年或者更久。”李剑说。
比赛中屡次获奖，让李剑在业内的名气越来越响，大大小小的公司都来邀请他加入。“将来是创业还是加入别人的公司，我还没有想好。目前首要的还是先学技术，继续参加比赛锻炼自己，希望能在学术上有所突破。”他说。
