⚡ electrical engineering

Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography

تقدم هذه الورقة إطار عمل فيزيائيًا لا يتطلب تدريبًا لتقدير مسافة المركبات أحادي العين، يستفيد من الخطوط الطباعية القياسية للوحات ترخيص السيارات في الولايات المتحدة كأولويات هندسية لحل غموض المقياس، محققًا دقة عالية ومتانة في ظروف إضاءة متنوعة مع التفوق على النماذج المرجعية للتعلم العميق دون الحاجة إلى مستشعرات باهظة الثمن أو بيانات خاضعة للإشراف.

المؤلفون الأصليون: Manognya Lokesh Reddy, Zheng Liu

نُشر 2026-04-15

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Manognya Lokesh Reddy, Zheng Liu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تقود سيارتك على الطريق السريع، وتحتاج "عقل" سيارتك إلى معرفة المسافة بدقة بينك وبين السيارة التي أمامك. هذا الأمر بالغ الأهمية لميزات السلامة مثل الكبح التلقائي أو تحذيرات التصادم.

تقليديًا، تستخدم السيارات "عيونًا" باهظة الثمن مثل LiDAR (ليزر يرتد عن الأشياء) أو الرادار (موجات راديوية). هذه التقنيات تشبه امتلاك جهاز قياس مسافات عالي التقنية ودقيق للغاية، لكنها تكلف آلاف الدولارات وضخمة الحجم. ومعظم السيارات العادية لا تستطيع تحمل تكلفتها.

البديل الأرخص هو الكاميرا القياسية (مثل تلك الموجودة في هاتفك). ولكن المشكلة هي أن الكاميرا الواحدة تشبه شخصًا يحاول تقدير العمق بعين واحدة؛ فهي ترى صورة مسطحة. هي تعرف أن هناك سيارة "هناك"، لكن ليس لديها أدنى فكرة عما إذا كانت هذه السيارة لعبة صغيرة على بُعد قدم واحد، أو شاحنة ضخمة على بُعد 100 قدم. تُسمى هذه مشكلة "غموض المقياس" (scale ambiguity).

تقدم هذه الورقة حلاً ذكيًا ومنخفض التكلفة يسمى T-MDE Enhanced. فبدلاً من محاولة تخمين المسافة، يستخدم "مسطرة" مرسومة بالفعل على كل سيارة في أمريكا: لوحة الترخيص.

إليك كيف يعمل الأمر، مقسمًا إلى خطوات بسيطة:

1. "المسطرة السحرية" (لوحة الترخيص)

في الولايات المتحدة، تخضع لوحات الترخيص للوائح حكومية. جميعها بنفس الحجم، وتُطبع الحروف عليها بارتفاع معياري محدد (مثل حجم الخط في مستند ما).

التشبيه: تخيل أنك تنظر إلى صديق يحمل ورقة قياسية بحجم 8.5×11 بوصة. إذا كنت تعلم أن الورقة يبلغ طولها 11 بوصة بالضبط، يمكنك معرفة مدى بُعد صديقك عنك بمجرد النظر إلى مدى "صغر" حجم الورقة في رؤيتك.
خدعة الورقة: يتعامل النظام مع حروف لوحة الترخيص كأنها تلك "الورقة ذات الـ 11 بوصة". ومن خلال قياس عدد البكسلات التي يبلغ طول الحروف في صورة الكاميرا، يمكن للكمبيوتر استخدام هندسة بسيطة (مثل المثلث) لحساب المسافة الدقيقة. لا حاجة لأجهزة ليزر باهظة الثمن.

2. "المخبر الخارق" (كاشف اللوحة)

يجب على النظام العثور على اللوحة أولاً، حتى لو كان الجو مظلمًا، أو ممطرًا، أو كانت اللوحة متسخة.

التشبيه: فكر في هذا كفريق من المحققين لديهم أربعة مصابيح يدوية مختلفة. مصباح يعمل بشكل أفضل في الظلام، وآخر في الشمس الساطعة، وثالث في الظروف الضبابية، ورابع في حالات الحركة الضبابية. جميعها تسلط الضوء على الصورة في نفس الوقت. يختار النظام أوضح "رؤية" للتمكن من الإمساك باللوحة.
النتيجة: يمكنه قراءة اللوحة سواء كان يومًا مشمسًا في أريزونا أو ليلة ثلجية في ميشيغان.

3. "محقق الولاية" (معرفة حجم المسطرة)

إليك هذه اللمسة: بينما تكون جميع لوحات الترخيص في أمريكا متقاربة في الحجم، إلا أن الحروف تختلف قليًا من ولاية لأخرى. حرف "M" في ميشيغان قد يكون طوله 72 ملم، بينما حرف "M" في تينيسي قد يكون 63 ملم. إذا خمن الكمبيوتر الولاية بشكل خاطئ، فسيخطئ في حساب المسافة.

التشبيه: تخيل أنك تحاول تخمين المسافة إلى شخص يحمل لافتة، لكنك لا تعرف ما إذا كانت اللافتة تقول "كاليفورنيا" أو "تكساس". يتبع النظام عملية تحقيق من ثلاث خطوات:
1. قراءة النص: يحاول قراءة اسم الولاية (مثل "PURE MICHIGAN").
  1. التحقق من الألوان: إذا كان النص متسخًا، ينظر إلى الألوان. "أوه، خلفية سوداء بنصوص ذهبية؟ إنها ديلاوير!"
2. تخمين الذكاء الاصطناعي: إذا ظل مرتبكًا، يستخدم "عقلًا" صغيرًا وذكيًا من الذكاء الاصطناعي لتخمين الولاية بناءً على النمط.
لماذا هذا مهم: بمجرد معرفة الولاية، يعرف النظام الارتفاع الدقيق للحروف، مما يجعل حساب المسافة دقيقًا للغاية.

4. "العقل الهجين" (الهندسة + الذكاء الاصطناعي)

أحيانًا يتم تغطية لوحة الترخيص بالطين، أو الثلج، أو سيارة أخرى تقطع أمامك. هنا تختفي "المسطرة".

التشبيه: إذا اختفت مسطرتك، فإنك تنتقل إلى خطة بديلة. يستخدم النظام أداة استشعار عمق حديثة تعتمد على الذكاء الاصطناعي (تسمى MiDaS) والتي تخمن المسافة بناءً على المشهد بأكل (مثل كيف تبدو الأشجار أصغر في المسافة).
الدمج: يقوم النظام باستمرار بمقارنة "طريقة المسطرة" (وهي دقيقة جدًا عندما تكون مرئية) مع "تخمين الذكاء الاصطناعي" (وهو جيد ولكنه غير دقيق تمامًا). إنه يدمجهما معًا. إذا كانت المسطرة مخفية، فإنه يعتمد على تخمين الذكاء الاصطناعي ولكنه يحافظ على "مقياس" المعايرة حتى لا ينحرف. وعندما تظهر اللوحة مجددًا، يقوم بتصحيح الذكاء الاصطناعي فورًا.

5. "المشغل السلس" (مرشح كالمان - Kalman Filter)

يمكن أن تكون أجهزة الكمبيوتر متذبذبة. في إطار معين تكون المسافة 10 أمتار، وفي الإطار التالي تصبح 10.5، ثم 9.8. هذا يجعل الرحلة مهتزة ومخيفة.

التشبيه: تخيل عازف جاز يعزف نوتة موسيقية. هو لا يضرب النوتة فحسب، بل ينزلق نحوها بسلاسة. يستخدم النظام مرشحًا رياضيًا (مرشح كالمان) لتنعيم الأرقام المتذبذبة. إنه يتنبأ بمكان وجود السيارة بناءً على سرعتها، مما يمنحك قراءة مسافة ثابتة وموثوقة وتحذيرًا سلسًا لـ "وقت التصادم".

لماذا هذا مهم؟

السلامة: يمكنه إخبارك إذا كنت على وشك الاصطدام بدقة تصل إلى حوالي 2.3% (أي حوالي خطأ بمقدار بوصتين عند مسافة 10 أمتار).
التكلفة: يستخدم كاميرا قياسية تكلف حوالي 20-50 دولارًا، بدلًا من ماسح ليزر يكلف 5,000 دولار.
قابل للتحقق: على عكس الذكاء الاصطناعي "الصندوق الأسود" الذي يخمن فقط، يستخدم هذا النظام الرياضيات والفيزياء. نحن نعرف لماذا يعتقد أن السيارة تبعد 10 أمتار (لأن الحروف يبلغ ارتفاعها X بكسل). وهذا يجعل من السهل إثبات أن السيارة آمنة لمنظمي السلامة.

باخت مختصر: تعلم هذه الورقة السيارة كيف تستخدم لوحة ترخيص السيارة التي أمامها كمسطرة مدمجة لقياس المسافة، حيث تجمع بين الهندسة التقليدية والذكاء الاصطناعي الحديث لجعل القيادة أكثر أمانًا وأقل تكلفة للجميع.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "تقدير مسافة المركبة أحادي العدسة القائم على الفيزياء باستخدام طباعة لوحات الترخيص القياسية" (DRIVN2026-191429).

1. بيان المشكلة

يعد التقدير الدقيق للمسافة بين المركبات أمراً بالغ الأهمية لأنظمة مساعدة السائق المتقدمة (ADAS) والقيادة الذاتية، لا سي‌ما للتحذير من التصادم الأمامي (FCW) والفرملة الطارئة التلقائية (AEB).

قصور المستشعرات الحالية: توفر أجهزة الليدار (LiDAR) والرادار دقة عالية، لكنها باهظة الثمن (500-5,000 دولار لليدار) وضخمة الحجم، مما يحد من اعتمادها في السيارات الفاخرة فقط.
قصور الكاميرات أحادية العدسة (Monocular Cameras): رغم انخفاض تكلفتها (20-50 دولاراً) وكفاءتها في استهلاك الطاقة، إلا أنها تعاني من غموض المقياس (Scale Ambiguity) (عدم القدرة على تحديد المسافة المترية المطلقة من صورة ثنائية الأبعاد دون قيود إضافية).
قصور التعلم العميق: تتطلب مقدرات العمق المتطورة القائمة على التعلم العميق (مثل MiDaS وZoeDepth) بيانات تدريب تحت إشراف ضخم، وتعاني من انزياح النطاق (Domain Shift) (تدهور الأداء في بيئات جديدة مثل شتاء ميشيغان مقابل طرق كاليفورنيا السريعة)، وتفتقر إلى الاستدلال الهندسي الصريح، مما يجعل من الصعب اعتمادها للتطبيقات الحرجة للسلامة بموجب معايير ISO 26262.

2. المنهجية: T-MDE Enhanced

يقترح المؤلفون إطار عمل T-MDE Enhanced، وهو إطار عمل قائم على الفيزياء، يعامل لوحات الترخيص الأمريكية كعلامات مرجعية سلبية (Passive Fiducial Markers). يقوم هذا الإطار بحل غموض المقياس باستخدام الأبعاد الفيزيائية القياسية لرموز لوحة الترخيص (التي تحكمها معايير FHWA) بدلاً من التعلم من البيانات.

تتكون بنية النظام من أربع طبقات وظيفية:

أ. الكشف المتوازي للوحات عبر أربع طرق

لضمان المتانة عبر جميع ظروف الإضاءة (النهار، الليل، التوهج، المطر)، يقوم النظام بتشغيل أربعة مسارات معالجة أولية متوازية في كل إطار:

العتبة الغاوسية التكيفية (Adaptive Gaussian Thresholding): تتعامل مع الإضاءة غير المتساوية.
طريقة أوتسو (Otsu's Method): مُحسّنة للمشاهد الخارجية ذات التباين العالي.
حافة كاني + التمدد المورفولوجي (Canny Edge + Morphological Dilation): فعالة في الضوء الخافت أو الأشعة تحت الحمراء القريبة.
الترشيح الثنائي + أوتسو (Bilateral Filtering + Otsu): يقلل من ضوضاء المستشعر وضبابية الحركة.

اختيار المرشح: تقوم دالة تسجيل مركبة (تعتمد على نسبة العرض إلى الارتفاع، والمساحة، وكثافة الحواف) باختيار أفضل مرشح.
تبديل الوضع التكيفي: ينتقل النظام تلقائياً بين حدود نسبة العرض إلى الارتفاع "الصارمة" و"المتساهلة" في حال فشل عمليات الكشف المتتالية، مما يضمن المتانة أثناء المنعطفات الحادة أو القرب الشديد.

ب. محرك تحديد الحالة ثلاثي المراحل

لتحديد الارتفاع الدقيق للرمز ( $H_s$ )، يجب على النظام تحديد الولاية المصدرة، حيث تختلف ارتفاعات الرموز حسب الولاية (مثلاً 63 ملم في تينيسي مقابل 72 ملم في ميشيغان).

المرحلة الأولى (OCR): يستخدم EasyOCR (مع نظام دعم Tesseract) لقراءة أسماء الولايات والشعارات (مثل "PURE MICHIGAN"). وتتمتع مطابقة النصوص بالأولوية القصوى.
المرحلة الثانية (تسجيل لون HSV): إذا فشل الـ OCR، يقوم النظام بتسجيل درجات جميع تصميمات لوحات الولايات الـ 127 المعروفة مقابل توزيع ألوان اللوحة في فضاء HSV. وتحصل ألوان الخلفية الفريدة (مثل خلفية ديلاوير السوداء) على تعزيز في الثقة.
المرحلة الثالثة (مصنف CNN): يعمل نموذج شبكة MobileNetV3-Small خفيف الوزن كمرحلة دعم للحالات الغامضة، حيث يخرج توزيعاً احتمالياً على 51 ولاية قضائية.

ج. تقدير المسافة الهندسي متعدد الميزات

بمجرد تحديد الولاية، يحسب النظام المسافة ( $D$ ) باستخدام نموذج الكاميرا ثقب الإبرة (Pinhole Camera Model):
$D = \frac{f \cdot H_s}{\bar{h}}$
حيث $f$ هو البعد البؤري، و $H_s$ هو ارتفاع الرمز الخاص بالولاية، و $\bar{h}$ هو ارتفاع الرمز المقاس بالبكسل.

دمج الميزات المتعددة: لزيادة المتانة، يقدر النظام المسافة باستخدام ثلاث ميزات: ارتفاع الرمز، عرض الخط، والمسافات بين الرموز. يتم دمج هذه الميزات باستخدام الوزن العكسي للتباين (Inverse-Variance Weighting)، مما يسمح للنظام بالتراجع التدريجي في حال كانت إحدى الميزات مشوشة (مثل حالات الاحتجاب الجزئي).
تعويض الوضعية (Pose Compensation): يقدر النظام ميل الكاميرا (Pitch $\phi$ ) والدوران (Roll $\psi$ ) باستخدام علامات المسارات (تحويل هوف الاحتمالي) أو متنبئ الأفق العميق. ويقوم بتصحيح الارتفاع المقاس باستخدام العامل $\cos(\phi)\cos(\psi)$ لإزالة الأخطاء الناتجة عن ديناميكيات المركبة (الفرملة/التسارع).

د. دمج العمق الهجين والترشيح الزمني

التكامل مع التعلم العميق: تعمل شبكة MiDaS DPT-Hybrid على الإطار الكامل لتوفير خريطة عمق نسبية. ويقوم متوسط متحرك أسي (EMA) عبر الإنترنت بمحاذاة مقياس MiDaS مع التقدير الهندسي.
دمج التباين العكسي: يتم دمج التقدير الهندسي ( $D_{geo}$ ) والتقدير العميق المحاذي ( $D_{deep}$ ). يهيمن التقدير الهندسي عندما تكون اللوحة مرئية؛ بينما يعمل التقدير العميق كنسخة احتياطية أثناء حالات الاحتجاب.
مرشح كالمان (Kalman Filter): يقوم مرشح كالمان ذو السرعة الثابتة أحادي البعد بتنعيم المسافة المدمجة، وتقدير السرعة النسبية، وحساب زمن التصادم (TTC) لتحذيرات FCW/AEB.

3. المساهمات الرئيسية

كشف قوي: كاشف متوازي رباعي الطرق مع تبديل تلقائي للوضع الصارم/المتساهل يتعامل مع كامل نطاق الإضاءة والمسافات في عالم السيارات.
تحديد حالة متقدم: محرك ثلاثي المراحل يدمج الـ OCR، وتسجيل ألوان HSV لـ 127 تصميماً، ومصنف CNN لتحديد ارتفاعات الرموز الخاصة بكل ولاية بدقة، مما يلغي انحيازات القياس المنهجية.
إطار عمل هجين (فيزياء-عميق): دمج مبتكر بين الأولويات الهندسية الصريحة (طباعة لوحات الترخلص) والعمق القائم على التعلم العميق (MiDaS) عبر وزن التباين العكسي والمحاذاة المقياسية عبر الإنترنت. يوفر هذا مخرجات مسافة مستمرة حتى أثناء الاحتجاب المؤقت للوحة مع الحفاظ على القابلية للتفسير المطلوبة لاعتماد السلامة.

4. النتائج التجريبية

تم إجراء التحقق باستخدام كاميرا Sony IMX490 في إعداد ثابت محكوم وتسلسلات قيادة خارجية.

الدقة الهندسية:
- حقق متوسط خطأ مطلق (MAE) بنسبة 2.3% عند مسافة 10 أمتار.
- أظهرت قياسات ارتفاع الرموز معامل تباين (CV) بنسبة 2.3%.
- أدى استخدام الارتفاعات الخاصة بكل ولاية إلى تقليل تباين المسافة بنسبة 36% مقارنة باستخدام متوسط ارتفاع افتراضي.
- قلل تعويض الوضعية الخطأ من 9.8% (غير معوض عند ميل 3 درجات) إلى 1.9%.
المقارنة مع النماذج المرجعية للتعلم العميق:
- تفوق نظام T-MDE Enhanced (المدمج) على النماذج المرجعية للتعلم العميق (ZoeDepth، Depth Anything، MiDaS) بمعامل 5 أضعاف في الخطأ النسبي.
- عند مسافة 10 أمتار، سجل T-MDE Enhanced خطأً نسبياً بنسبة 2.8%، بينما سجل ZoeDepth نسبة 14.2%، وDepth Anything نسبة 18.7%.
المتانة:
- حافظ النظام على مخرجات مسافة مستمرة أثناء الاحتجابات القصيرة للوحة (0.2-0.5 ثانية) بالاعتماد على الفرع العميق وتنبؤ كالمان.
- حقق دقة بنسبة 94.7% في تحديد الولاية.
مقاييس السلامة:
- نجح النظام في حساب TTC لتحذيرات FCW، مع معدل إنذار كاذب أقل من 0.5 في الساعة أثناء القيادة على الطرق السريعة.

5. الأهمية

تمثل هذه الورقة خطوة هامة نحو أنظمة مساعدة سائق منخفضة التكلفة وقابلة للاعتماد. من خلال الاستفادة من الطباعة القياسية للوحات الترخيص كأولوية فيزيائية، يتجنب النظام طبيعة "الصندوق الأسود" للتعلم العميق الصرف، مما يسمح بوضع حدود للخطأ بشكل تحليلي واعتماد السلامة (ISO 26262). كما يثبت أن النهج القائم على الفيزياء، والمعزز بالتعلم العميق للمتانة أثناء الاحتجاب، يمكنه التفوق على الطرق المعتمدة على البيانات في دقة القياس مع بقائه فعالاً حاسوبياً وقابلاً للتفسير. وهذا يجعل منه حلاً قابلاً للتطبيق للنشر في المركبات التجارية واسعة الانتشار دون الحاجة إلى مستشعرات ليدار باهظة الثمن.