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

Résumé Technique : Analyse de Télémétrie Légère à la Périphérie pour les Systèmes de Navigation via le Déterminisme Spatial-Textuel (LODTE)

Énoncé du Problème
Les méthodes traditionnelles d'analyse de la télémétrie de navigation en temps réel (telles que l'heure d'arrivée estimée et les mesures de distance) à partir d'interfaces de cartes numériques reposent lourdement sur des architectures de vision centrées sur le cloud ou sur des réseaux de neurones convolutifs (CNN) gourmands en ressources. Les auteurs identifient trois limitations critiques dans ces approches existantes :

1. Latence Réseau : Le transit aller-retour vers des serveurs cloud rend la reconnaissance optique de caractères (OCR) impraticable pour des réponses périphériques (edge) de moins d'une seconde, cruciales pour la sécurité.
2. Surcharge de Bande Passante : Le streaming vidéo continu requis pour le traitement dans le cloud exige un débit réseau important.
3. Risques de Confidentialité : La transmission de la télémétrie sensible de l'écran ou de l'habitacle hors de l'appareil introduit des vulnérabilités liées à la confidentialité des données.
   De plus, les approches traditionnelles de correspondance de modèles (template-matching) échouent souvent face aux variations d'échelle ou de perspective, tandis que les réseaux neuronaux lourds sollicitent excessivement les processeurs de bord à faible puissance.

Méthodologie : Le Cadre LODTE
Le document propose le cadre LODTE (Lightweight Edge-Based Telemetry Parsing), une architecture de vision déterministe et native à la périphérie, conçue pour analyser localement les éléments d'interface utilisateur (UI) de navigation sans dépendance au cloud. Le système fonctionne via un pipeline à quatre étapes optimisé pour le matériel aux ressources limitées :

1. Prétraitement Optimisé pour la Périphérie : Les images d'entrée capturées via des tampons d'écran haute performance (utilisant mss) sont converties en niveaux de gris pour minimiser la surcharge de traitement des canaux. Un noyau de flou gaussien local est appliqué pour supprimer le bruit de fond à haute fréquence provenant des vecteurs de cartes et des réseaux routiers.
2. Délimitation Spatiale-Textuelle Déterministe : Cette étape isole les cartes de télémétrie (ex: ETA/distance) en appliant des priors géométriques stricts plutôt qu'une détection basée sur l'apprentissage. Le système filtre les boîtes englobantes selon des dimensions spécifiques (largeur : 52–168px ; hauteur : 38–54px). Pour éliminer les faux positifs issus des artefacts de la carte, un filtre de validation multicritères est appliqué :
   • Rapport d'Aspect (AR) : Impose une contrainte de $1,5 \le AR \le 3,2$ pour distinguer les bannières de télémétrie horizontales des épingles carrées ou des marqueurs verticaux.
   • Intensité Moyenne de la ROI ($\mu_{ROI}$) : Requiert une intensité de pixel moyenne $> 210$ pour garantir que la cible est un fond clair et à haut contraste, typique des cartes UI actives.
   • Score Central : Pénalise les anomalies de bordure pour assurer une isolation robuste de la cible.
3. Tokenisation par Contraintes de Ressources : Les régions d'intérêt (ROI) isolées sont suréchantillonnées par interpolation bicubique (3×) pour améliorer la définition des bords de police. Les données sont ensuite transmises à un moteur OCR Tesseract optimisé, configuré pour des blocs de texte uniformes (--psm 6), évitant ainsi la surcharge de l'inférence par apprentissage profond.
4. Profilage de la Latence Cumulative : Le cadre inclut un profileur intégré mesurant le temps d'exécution à travers toutes les étapes pour garantir des performances en temps réel.

Principales Contributions

• Délimitation Spatiale-Textuelle Déterministe : L'introduction d'une approche non neuronale, basée sur la géométrie, qui impose des priors de dimension et de rapport d'aspect stricts pour localiser les éléments d'UI, supprimant ainsi le besoin de modèles de détection d'objets lourds.
• Architecture Native à la Périphérie : Un pipeline complet qui élimine la surcharge des allers-retours vers le cloud, permettant un fonctionnement hors ligne et préservant la confidentialité des données.
• Tokenisation Optimisée : Un flux de travail léger combinant un suréchantillonnage bicubique 3× et une binarisation adaptative (méthode d'Otsu) pour atteindre une haute fidélité de reconnaissance avec une puissance de calcul minimale.

Résultats Expérimentaux
Des tests de référence empiriques ont été menés à travers divers scénarios de navigation, incluant des trajets de courte distance, des itinéraires régionaux de moyenne distance et des routages complexes de longue distance.

• Latence : Le système a atteint une latence de traitement moyenne de 11,48 ms par image. Dans des cas de test spécifiques, la latence cumulative variait entre 10,66 ms et 12,87 ms.
• Répartition par Étape :
  • Prétraitement : ~2,14 ms (6,5 % du temps total).
  • Délimitation Spatiale : ~4,85 ms (14,7 % du temps total).
  • Tokenisation OCR : ~25,10 ms (76,2 % du temps total).
• Précision : Le cadre a démontré une précision de segmentation de caractères de 100 % sur des échantillons vérifiés présentant des rapports d'aspect cohérents. Le succès de l'extraction a été élevé pour les mises en page d'UI standards, bien que les auteurs aient noté que des boîtes englobantes irrégulièrement espacées ou plus petites introduisaient occasionnellement du bruit OCR, entraînant des statuts d'extraction partielle.
• Robustesse : Le système a maintenu ses performances malgré la variation de la complexité des itinéraires et de la densité des cartes de fond, sans nécessiter d'infrastructure cloud.

Signification et Revendications
L'article affirme que LODTE comble avec succès l'écart entre la vision haute précision du cloud et les contraintes de latence et de confidentialité de l'informatique de périphérie (edge computing). En supprimant les dépendances au cloud, le cadre permet une analyse de la télémétrie de navigation en temps réel pour des applications critiques de sécurité avec une efficacité de l'ordre de la microseconde. Les auteurs soutiennent que le système maintient une haute fidélité de reconnaissance optique même lorsque la complexité de l'arrière-plan varie, prouvant qu'une latence inférieure à la seconde peut être maintenue sans compromettre gravement l'intégrité des données spatiales et textuelles.

Les auteurs concluent que, bien que le cadre soit robuste pour les mises en page d'UI structurées avec des rapports d'aspect cohérents, les travaux futurs devraient se concentrer sur l'extension de l'adaptabilité de l'UI pour les éléments au rembourrage (padding) irrégulier et sur l'intégration de pyramides de caractéristiques multi-échelles pour améliorer davantage la reconnaissance à travers diverses résolutions d'écran.