Typography-Based Monocular Distance Estimation for Advanced Driver-Assistance Systems

Sintesi Tecnica: Stima della Distanza Monoculare Basata sulla Tipografia (T-MDE)

Definizione del Problema
La stima accurata della distanza da un veicolo che precede è un input fondamentale per i sistemi avanzati di assistenza alla guida (ADAS), inclusi l'avviso di collisione anteriore (FCW), il cruise control adattivo (ACC) e la frenata d'emergenza automatica. I sistemi di produzione si affidano tipicamente a radar, LiDAR o telecamere stereo. Sebbene efficaci, questi sensori introducono vincoli significativi in termini di costo, consumo energetico, carico termico e ingombro. Inoltre, il radar spesso manca di risoluzione laterale, mentre le telecamere stereo richiedono basi meccaniche rigide che sono difficili da mantenere calibrate durante l'intero ciclo di vita del veicolo. Le telecamere singole sono economiche e onnipresenti, ma soffrono di una debolezza fondamentale: un'immagine singola manca di scala assoluta. Senza un'assunzione esterna di una lunghezza nel mondo reale, una singola telecamera non può distinguere tra un oggetto piccolo vicino e uno grande lontano. Le soluzioni monoculari esistenti che assumono la larghezza del veicolo sono limitate dall'elevata variabilità delle dimensioni dei veicoli attraverso la flotta, portando a significativi errori sistematici.

Metodologia
Il documento propone la Stima della Distanza Monoculare Basata sulla Tipografia (T-MDE), un metodo che recupera la distanza metrica da una singola telecamera sfruttando la geometria regolata della targa posteriore. Il metodo opera sul principio secondo cui le targhe statunitensi hanno una dimensione esterna fissa (305 × 152 mm) e altezze dei caratteri strettamente definite dalle normative statali (da 63 a 72 mm).

Il sistema elabora i fotogrammi video attraverso una pipeline a sette stadi:

1. Rilevamento e Rettifica: La targa viene rilevata utilizzando un insieme parallelo di tecniche classiche di elaborazione delle immagini (soglia adattiva, rilevamento dei bordi) per garantire la robustezza contro il riflesso e il motion blur. La targa viene poi deformata in una vista frontale tramite omografia.
2. Riconoscimento Ottico dei Caratteri (OCR) e Segmentazione: Il numero di serie della targa viene letto utilizzando un motore primario (EasyOCR) con un sistema di fallback (Tesseract). Fondamentalmente, il sistema segmenta esplicitamente i singoli caratteri utilizzando profili di proiezione verticale per misurare accuratamente l'altezza in pixel ($\bar{h}$), piuttosto che fare affidamento esclusivamente sulla stringa di testo.
3. Identificazione dello Stato: Lo stato di emissione viene identificato tramite un cascata a tre stadi (corrispondenza testuale, analisi della distribuzione del colore e un classificatore leggero) per recuperare l'altezza specifica del carattere ($H_s$) per quello stato. Se l'identificazione fallisce, il sistema utilizza l'altezza media nazionale per evitare grandi errori sistematici.
4. Stima della Distanza Multi-Canale: Il metodo calcola la distanza utilizzando tre misurazioni tipografiche indipendenti derivate dalla stessa targa:
   • Altezza del Carattere: La metrica primaria, derivata da $D = f_{px} H_s / \bar{h}_{corr}$.
   • Larghezza del Tratto: Fissa a 1/6 dell'altezza del carattere per regolamento.
   • Spaziatura dei Caratteri: Fissa a circa 1/5 dell'altezza del carattere.
     Questi dati vengono combinati tramite pesatura dell'inverso della varianza. Inoltre, il sistema misura la spaziatura in pixel dei due fori di montaggio (fissi a 279,6 mm secondo gli standard AAMVA) come un quarto canale indipendente dal riconoscimento.
5. Correzione della Posa: Il sistema stima la posa a 6 gradi di libertà (6-DoF) della targa per correggere il pitch, il roll e lo yaw della targa rispetto alla telecamera. Ciò evita che l'accorciamento prospettico venga interpretato erroneamente come un aumento della distanza.
6. Controllo della Rete di Profondità: Una rete di profondità a immagine singola fornisce una mappa di profondità relativa, che viene scalata in metri utilizzando un fattore ancorato alla distanza geometrica. Questo funge da controllo di coerenza, ma viene declassato se in disaccordo con la misurazione geometrica, garantendo che la scala fisica non sia mai sovrascritta dal modello appreso.
7. Filtraggio e Logica di Avviso: Un filtro di Kalman a velocità costante smussa la distanza, la velocità di chiusura e il tempo di collisione (TTC). Il rumore di misura del filtro è modellato per crescere con la distanza, corrispondendo al budget di errore geometrico. L'output è uno stato di avviso (attenzione o minaccia imminente) allineato con le normative statunitensi FCW.

Contributi Chiave
Il documento distingue questo lavoro dai rapporti precedenti e dalla letteratura correlata attraverso cinque contributi specifici:

1. Robustezza Multi-Canale: Invece di una singola misurazione, il metodo fonde tre caratteristiche tipografiche (altezza, tratto, spaziatura) e due controlli geometrici (fori di montaggio, rete di profondità). I canali sono pesati in base alla loro varianza misurata, consentendo al sistema di declassare automaticamente i dati corrotti (ad esempio, il motion blur che influenza i tratti sottili) senza perdere la stima della distanza.
2. Calibrazione per Stato: Il sistema identifica dinamicamente lo stato di emissione per selezionare l'altezza corretta del carattere, eliminando l'errore sistematico di scala (fino al ~12%) che deriverebbe dall'uso di una costante nazionale singola.
3. Recupero Completo della Posa: Il metodo recupera la posa a 6-DoF della targa, correggendo l'accorciamento prospettico e fornendo angoli di bearing e yaw essenziali per l'associazione a livello di corsia e per l'indicazione di affidabilità.
4. Filtraggio Orientato alla Sicurezza: L'output non è una distanza grezza fotogramma per fotogramma, ma uno stato smussato (distanza, velocità, TTC) derivato da un filtro di Kalman con rumore dipendente dalla distanza, progettato specificamente per gestire gli avvisi di assistenza al conducente senza sfarfallii.
5. Valutazione sul Campo: Il metodo è valutato su dati reali (58 sessioni, 2.265 misurazioni in 15 stati) piuttosto che su input sintetici o controllati, riportando la coerenza interna e i tassi di rilevamento insieme al modello di errore di progettazione.

Risultati
Valutato su una telecamera automobilistica a basso costo su 15 stati:

• Rilevamento: Il sistema ha raggiunto un tasso medio di rilevamento della targa di circa il 99%.
• Riconoscimento: Un numero di serie affidabile è stato letto nel 63,4% dei rilevamenti; tuttavia, la stima della distanza rimane continua anche quando il numero di serie non è leggibile, facendo affidamento sui fori di montaggio o sul controllo di profondità.
• Accuratezza: Il sistema ha riportato un'incertezza mediana per fotogramma di 0,128 m (media 0,173 m) a una distanza media di 1,24 m. Le distanze geometriche e fuse concordavano entro l'1,12%.
• Coerenza: L'errore misurato seguiva il modello teorico in cui l'errore di distanza relativa è uguale all'errore di altezza del carattere relativo (coefficiente di variazione ~2,3%). Il residuo del filtro di Kalman era vicino allo zero (media -0,033 m), indicando l'assenza di ritardi sistematici.
• Posa: Il sistema ha gestito con successo targhe con angoli di yaw fino a 87,8°, correggendo l'accorciamento prospettico per evitare la sottostima della distanza.
• Tempo di Esecuzione: Su una GPU consumer, il sistema ha sostenuto circa 1,1 fotogrammi al secondo, con la maggior parte del tempo di calcolo consumato dalle reti di riconoscimento e di profondità, non dai calcoli geometrici.

Significatività e Rivendicazioni
Il documento afferma che T-MDE offre un complemento efficace in termini di costi e di bassa manutenzione ai sensori attivi esistenti (radar, LiDAR) e alle telecamere stereo. La sua principale significatività risiede nella tolleranza ai guasti: poiché deriva la scala da uno standard stampato piuttosto che dal tempo di volo, dalla parallasse o da priori appresi, fallisce in condizioni diverse (ad esempio, targhe mancanti, yaw estremo) rispetto a radar o LiDAR. Questa diversità di modalità di guasto migliora la sicurezza dello stack di percezione.

Il metodo fornisce un "ancoraggio metrico" da un sensore passivo, restituendo simultaneamente distanza, bearing e identità del veicolo (tramite il numero di serie della targa). Gli autori sottolineano che, sebbene il sistema raggiunga un'alta coerenza interna e un errore di progettazione inferiore a 0,13 m, non rivendica un'accuratezza verificata esternamente per tutte le condizioni, osservando che una campagna controllata con riferimenti topografici è il passo successivo necessario per la certificazione. Il metodo è presentato non come un sostituto dei sensori attivi, ma come uno strato passivo scalabile che migliora la robustezza degli stack di percezione ADAS.