Typography-Based Monocular Distance Estimation Framework for Vehicle Safety Systems

Titolo: T-MDE: Stima della Distanza Monoculare Basata sulla Tipografia

1. Il Problema

La stima accurata della distanza inter-veicolare è un requisito fondamentale per i Sistemi Avanzati di Assistenza alla Guida (ADAS) e per la guida autonoma, essenziale per funzioni come il controllo di crociera adattivo, la frenata di emergenza e la pianificazione del percorso.

• Limiti delle tecnologie attuali: I sensori attivi come LiDAR e radar offrono alta precisione ma hanno costi proibitivi per la diffusione di massa (da $500 a oltre $10.000) e richiedono spazio e potenza significativi.
• Limiti della visione monoculare: Le telecamere monoculari sono economiche e a basso consumo, ma soffrono di ambiguità di scala: una singola immagine non può distinguere tra un oggetto piccolo vicino e uno grande lontano senza informazioni aggiuntive.
• Gap nella ricerca esistente: I metodi basati sulla larghezza della targa o sulle dimensioni del veicolo sono spesso sensibili alle variazioni di assetto della telecamera (pitch/roll), non compensano le dinamiche del veicolo e si basano su un'unica caratteristica geometrica, rendendoli meno robusti.

2. Metodologia: Il Framework T-MDE

Il paper introduce T-MDE (Typography-based Monocular Distance Estimation), un framework che sfrutta la tipografia standardizzata delle targhe automobilistiche come marcatori fiduciali passivi per la stima metrica della distanza. Il sistema è composto da diversi moduli integrati:

• Nucleo Geometrico:

  • Rilevamento della Targa: Utilizza la thresholding adattiva (con pesi gaussiani) e operazioni morfologiche per localizzare la targa. Include due modalità: "strict" (per angoli normali) e "permissive" (per angoli estremi), con un meccanismo di commutazione automatica.
  • Segmentazione dei Caratteri: Una volta raddrizzata la targa (rectification), vengono segmentati i singoli caratteri utilizzando sia la thresholding adattiva che il metodo di Otsu. Vengono applicati filtri geometrici rigorosi (rapporto d'aspetto, area, posizione) e una statistica robusta (regola 2-σ) per scartare gli outlier e calcolare l'altezza media dei caratteri.
  • Calcolo della Distanza: Utilizza il modello della camera a foro stenopeico: $D = (f \cdot H) / h$, dove $f$ è la focale, $H$ è l'altezza fisica nota del carattere (es. 75 mm) e $h$ è l'altezza misurata in pixel.

• Compensazione dell'Assetto (Pose Compensation):

  • Corregge gli errori causati dal beccheggio (pitch) e dal rollio della telecamera dovuti alla dinamica del veicolo o alla pendenza della strada.
  • Stima l'assetto rilevando le linee della carreggiata tramite trasformata di Hough e calcolando il punto di fuga. Se le linee non sono visibili, utilizza una rete neurale leggera per la stima dell'orizzonte.

• Fusione Ibrida Deep-Learning:

  • Combina la stima geometrica con le mappe di profondità relative prodotte da MiDaS (un modello di profondità monoculare).
  • Utilizza un fattore di scala online calcolato tramite una media mobile esponenziale per convertire la profondità relativa di MiDaS in unità metriche, garantendo una degradazione graduale delle prestazioni se la targa non è visibile.

• Fusione Multi-Feature e Filtraggio Temporale:

  • Oltre all'altezza dei caratteri, il sistema fonde stime basate sulla larghezza dei tratti (stroke width), spaziatura tra i caratteri e spessore del bordo della targa, pesando ciascuna stima in base alla sua varianza inversa.
  • Un Filtro di Kalman monodimensionale stima la distanza e la velocità relativa, migliorando la stabilità temporale e permettendo il calcolo del tempo di collisione (TTC).

3. Contributi Chiave

1. Nucleo Geometrico Robusto: Un sistema di rilevamento e segmentazione che utilizza modalità adattive e rifiuto degli outlier per misurare l'altezza dei caratteri con alta precisione.
2. Validazione Sperimentale: Dimostrazione di una variazione del coefficiente (CV) dell'2,3% nell'altezza dei caratteri e una riduzione del 35% della deviazione standard rispetto ai metodi basati sulla larghezza della targa.
3. Sistema Completo: Integrazione di compensazione dell'assetto, fusione con deep learning (MiDaS), filtraggio temporale e fusione di più caratteristiche tipografiche.
4. Roadmap Futura: Definizione di un piano per il supporto multi-giurisdizione e la creazione del dataset MPDD (Michigan Plate Distance Dataset) con ground truth LiDAR.

4. Risultati Sperimentali

Il sistema è stato validato in un ambiente interno controllato con una telecamera monoculare calibrata (Logitech C920):

• Precisione: A una distanza di circa 30 mm (test di laboratorio), il sistema ha raggiunto un errore assoluto medio (MAE) di 2,3 mm (7,7% di errore relativo) e una deviazione standard di 0,0007 m.
• Stabilità: La variazione del coefficiente nell'altezza dei caratteri tra frame consecutivi è stata del 2,3%.
• Confronto: Rispetto a un metodo basato sulla larghezza della targa, l'approccio basato sui caratteri ha ridotto la deviazione standard delle stime del 36%, dimostrando che la media di più caratteri mitiga efficacemente gli errori di segmentazione.
• Prestazioni: Il sistema opera a 14-16 fps su una CPU standard (Intel Core i7) senza accelerazione GPU, rendendolo adatto per applicazioni in tempo reale come l'assistenza al parcheggio e la navigazione a bassa velocità.

5. Significato e Implicazioni

Il lavoro di T-MDE è significativo perché:

• Democratizza la sicurezza: Offre una soluzione a basso costo per la stima della distanza metrica, rendendo possibili funzioni ADAS avanzate (come l'adaptive cruise control) su veicoli di massa senza l'aggiunta di costosi sensori LiDAR.
• Affidabilità Geometrica: Supera i limiti dei metodi puramente basati sul deep learning (che soffrono di shift di dominio e mancanza di interpretabilità) fornendo un approccio geometrico interpretabile e validabile, cruciale per applicazioni di sicurezza critica.
• Robustezza: L'integrazione di compensazione dell'assetto e fusione multi-sensoriale (geometria + deep learning) rende il sistema resiliente alle condizioni di guida reali, come le buche o le curve che alterano l'orientamento della telecamera.

In sintesi, T-MDE dimostra che l'uso intelligente delle caratteristiche tipografiche standardizzate delle targhe, combinato con tecniche di visione computerizzata robuste e filtraggio temporale, può fornire una stima della distanza precisa e affidabile, colmando il divario tra le soluzioni economiche e quelle ad alta precisione.