Lightweight Edge-Based Telemetry Parsing for Navigation Systems via Deterministic Spatial-Text (LODTE)

Technische Zusammenfassung: Leichtgewichtige, edge-basierte Telemetrie-Extraktion für Navigationssysteme mittels deterministischer räumlich-textueller Analyse (LODTE)

Problemstellung
Herkömmliche Methoden zur Extraktion von Echtzeit-Navigations-Telemetrie (wie z. B. der voraussichtlichen Ankunftszeit und Distanzmetriken) aus digitalen Kartenoberflächen verlassen sich schwerpunktmäßig auf cloud-zentrierte Computer-Vision-Architekturen oder ressourcenintensive Convolutional Neural Networks (CNNs). Die Autoren identifizieren drei kritische Einschränkungen dieser bestehenden Ansätze:

1. Netzwerklatenz: Die Round-Trip-Übertragung zu Cloud-Servern macht die optische Zeichenerkennung (OCR) für eine untersekündliche, sicherheitskritische Reaktion am Edge unpraktikabel.
2. Bandbreitenüberlastung: Das kontinuierliche Videostreaming, das für die Cloud-Verarbeitung erforderlich ist, beansprucht einen erheblichen Netzwerkdurchsatz.
3. Datenschutzrisiken: Die Übertragung sensibler Bildschirm- oder Kabinentelemetrie an externe Geräte führt zu Sicherheitslücken beim Datenschutz.
   Darüber hinaus scheitern traditionelle Template-Matching-Ansätze oft an Skalierungs- oder Perspektivvarianzen, während schwere neuronale Netze schwache Edge-Prozessoren überfordern.

Methodik: Das LODTE-Framework
Das Paper schlägt das Lightweight Edge-Based Telemetry Parsing (LODTE) Framework vor, eine deterministische, Edge-native Vision-Architektur, die darauf ausgelegt ist, Navigations-UI-Elemente lokal ohne Cloud-Abhängigkeit zu extrahieren. Das System operiert über eine vierstufige Pipeline, die für Hardware mit begrenzten Ressourcen optimiert ist:

1. Edge-optimierte Vorverarbeitung: Eingabeframes werden über Hochleistungs-Screen-Buffer (unter Verwendung von mss) erfasst und zur Minimierung des Kanalverarbeitungsaufwands in Graustufen konvertiert. Ein lokaler Gaußscher Weichzeichner-Kernel wird angewendet, um hochfrequentes Hintergrundrauschen durch Kartenvektoren und Straßennetzwerke zu unterdrücken.
2. Deterministische räumlich-textuelle Begrenzung: Diese Stufe isoliert Telemetrie-Karten (z. B. ETA/Distanz) durch Anwendung strikter geometrischer Priors anstelle von lernbasierten Detektionen. Das System filtert nach Bounding Boxes mit spezifischen Dimensionen (Breite: 52–168 px; Höhe: 38–54 px). Um Fehlalarme durch Kartenartefakte zu eliminieren, wird ein Multi-Kriterien-Validierungsfilter angewendet:
   • Aspektverhältnis (AR): Erzwingt eine Beschränkung von $1,5 \le AR \le 3,2$, um horizontale Telemetrie-Banner von quadratischen Pins oder vertikalen Markierungen zu unterscheiden.
   • Mittlere ROI-Intensität ($\mu_{ROI}$): Erfordert eine mittlere Pixelintensität von $> 210$, um sicherzustellen, dass das Ziel ein solider, kontrastreicher heller Hintergrund ist, wie er für aktive UI-Karten typisch ist.
   • Zentralwert (Central Score): Bestraft Randanomalien, um eine robuste Zielisolierung zu gewährleisten.
3. Ressourcenbeschränkte OCR-Tokenisierung: Isolierte Regionen von Interesse (ROI) werden mittels bikubischer Interpolation (3×) hochskaliert, um die Kantendefinition der Schrift zu verbessern. Die Daten werden anschließend an eine optimierte Tesseract-OCR-Engine übergeben, die auf einheitliche Textblöcke (--psm 6) konfiguriert ist, um den Overhead durch Deep-Learning-Inferenz zu vermeiden.
4. Kumulative Latenzprofilierung: Das Framework enthält einen integrierten Profiler zur Messung der Ausführungszeit über alle Stufen hinweg, um eine Echtzeit-Performance zu gewährleisten.

Wesentliche Beiträge

• Deterministische räumlich-textuelle Begrenzung: Die Einführung eines nicht-neuronalen, geometriebasierten Ansatzes, der strikte Dimensions- und Aspektverhältnis-Priors erzwingt, um UI-Elemente zu lokalisieren und somit den Bedarf an schweren Objektdetektionsmodellen zu eliminieren.
• Edge-native Architektur: Eine vollständige Pipeline, die den Round-Trip-Overhead der Cloud eliminiert, Offline-Betrieb ermöglicht und den Datenschutz wahrt.
• Optimierte Tokenisierung: Ein leichtgewichtiger Workflow, der 3× bikubische Upscaling und adaptive Binarisierung (Otsu-Methode) kombiniert, um eine hohe Erkennungsgenauigkeit bei minimaler Rechenleistung zu erreichen.

Experimentelle Ergebnisse
Das empirische Benchmarking wurde über verschiedene Navigationsszenarien hinweg durchgeführt, einschließlich Kurzstreckenpendelverkehr, regionaler Mittelstreckenrouten und komplexer Langstreckenrouten.

• Latenz: Das System erreichte eine durchschnittliche Gesamtlatenz der Verarbeitung von 11,48 ms pro Frame. In spezifischen Testfällen lag die kumulative Latenz zwischen 10,66 ms und 12,87 ms.
• Stufenweise Aufschlüsselung:
  • Vorverarbeitung: ~2,14 ms (6,5 % der Gesamtzeit).
  • Räumliche Begrenzung: ~4,85 ms (14,7 % der Gesamtzeit).
  • OCR-Tokenisierung: ~25,10 ms (76,2 % der Gesamtzeit).
• Genauigkeit: Das Framework demonstrierte eine 100 %ige Zeichensegmentierungsgenauigkeit bei verifizierten Stichproben mit konsistenten Aspektverhältnissen. Der Extraktionserfolg war hoch für Standard-UI-Layouts, wobei die Autoren anmerkten, dass unregelmäßig gepufferte oder kleinere Bounding Boxes gelegentlich OCR-Rauschen verursachten, was zu Teil-Extraktionsstatus führte.
• Robustheit: Das System behielt die Leistung über variierende Routenkomplexitäten und Hintergrundkartendichten hinweg bei, ohne eine Cloud-Infrastruktur zu benötigen.

Bedeutung und Ansprüche
Das Paper behauptet, dass LODTE erfolgreich die Lücke zwischen hochpräziser Cloud-Vision und den Latenz- sowie Datenschutzbeschränkungen des Edge-Computings schließt. Durch die Entfernung der Cloud-Abhängigkeiten ermöglicht das Framework eine Echtzeit-Navigation mit sicherheitskritischer Telemetrie-Extraktion im Mikrosekundenbereich. Die Autoren führen an, dass das System eine hohe optische Erkennungsgenauigkeit beibehält, selbst wenn die Hintergrundkomplexität variiert, und damit beweist, dass eine untersekündliche Latenz ohne signifikante Beeinträchtigung der räumlich-textuellen Datentreue aufrechterhalten werden kann.

Die Autoren kommen zu dem Schluss, dass das Framework zwar für strukturierte UI-Layouts mit konsistenten Aspektverhältnissen robust ist, zukünftige Arbeiten jedoch darauf abzielen sollten, die UI-Adaptivität für unregelmäßig gepufferte Elemente zu erweitern und Multi-Scale-Feature-Pyramiden zu integrieren, um die Erkennung über variierende Bildschirmauflösungen hinweg weiter zu verbessern.