美国陆军作战能力发展司令部（DEVCOM）以及陆军研究实验室（ARL）最近宣布，将在研究中使用增强现实（AR）技术来检测路边爆炸危险，例如简易爆炸装置（IED）、未爆炸弹药和地雷。

支持车队行动的路线侦察仍然是确保士兵免受爆炸危险的关键功能，这种危险继续威胁着美国军队在国外的行动。为了解决这个问题，美国国防降低威胁局（Defense Threat Reduction Agency）通过“Alood Hound Gang”计划为ARL和其他研究合作伙伴提供了资金，该计划的重点是采用系统方法增强对爆炸危险的检测。

实验室项目经理Kelly Sherbondy说道：“从逻辑上讲，有必要采用系统的方法进行对峙爆炸危险检测研究，我们的协作方法可在提供新技术支持的同时，与经验丰富的专家一起快速推进该计划，以达到或超过军事要求和过渡点。”

该计划有来自美国各地的七个外部合作者，包括美国军事学院、特拉华大学视频/图像建模和合成实验室、Ideal Innovations Inc.、Alion Science and Technology、The Citadel、IMSAR和AUGMNTR。

在该计划的第一阶段，研究人员花费了15个月的时间，针对各种爆炸危险场所评估了高技术准备水平（TRL）防区位探测技术。此外，还开发并评估了一个TRL较低的对峙检测传感器，该传感器专注于针对爆炸危险触发设备的检测。根据美国陆军的说法，第一阶段的评估包括检测到爆炸的可能性、误报率和其他重要信息，这些信息最终会影响该计划第二阶段，并根据最佳性能最终选择传感器，包括机载合成孔径雷达、地面车辆和小型无人机LIDAR、高清电光摄像机、长波红外摄像机和非线性交界检测雷达。研究人员在7公里的测试轨道上对真实世界中的代表性地形进行了现场测试，总共包括625个炮位，包括各种爆炸危险、模拟杂波和校准目标。他们在安置前后收集数据，以模拟传感器通过这些地点的真实变化。

传感器集收集了TB级的数据，这是充分训练人工智能/机器学习（AI / ML）算法所必需的。该算法随后对每个传感器执行自主自动目标检测。美国陆军表示，该传感器数据通过地理参考进行了像素对齐，并且AI / ML技术可以应用于特定区域的部分或全部组合传感器数据。此外，检测算法能够为每个可疑目标提供“置信度”，并以增强现实叠加层的形式显示给用户。检测算法是通过各种传感器排列执行的，因此可以汇总性能结果，并确定进入第二阶段的最佳行动方案。

“这些努力对确保作战人员在当前作战环境中的安全具有重要意义，”美国空军爆炸物处置和DTRA计划主管Mike Fuller中校说道。

美国陆军指出，对该技术的未来研究将使实时增强的引擎能够自动显示目标检测信息。经过三年的努力，最终将在多个测试机构进行展示，最终证明该技术在不同地形上的鲁棒性。

“我们将多种模式与各种现实相关的目标威胁进行了并行比较，并评估了这些传感器的输出融合，以确定有效的方法来最大程度地提高检测概率并减少误报，” Fuller说道。 “我们希望陆军和联合社区都将从所有参与者收集的数据和经验教训中受益。”

来源： VR陀螺