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

Riepilogo Tecnico: Telemetria Leggera Basata su Edge per il Parsing di Sistemi di Navigazione tramite Spazialità-Testo Deterministica (LODTE)

Problematica
I metodi tradizionali per il parsing della telemetria di navigazione in tempo reale (come l'ETA stimato e le metriche di distanza) dalle interfacce delle mappe digitali si affidano pesantemente ad architetture di visione centrate sul cloud o a Reti Neurali Convoluzionali (CNN) ad alta intensità di risorse. Gli autori identificano tre limitazioni critiche in questi approcci esistenti:

1. Latenza di Rete: La trasmissione del ciclo di andata e ritorno verso i server cloud rende l'OCR (Optical Character Recognition) impraticabile per risposte edge sub-secondarie e critiche per la sicurezza.
2. Sovraccarico di Banda: Lo streaming video continuo richiesto per l'elaborazione in cloud richiede un throughput di rete significativo.
3. Rischi di Privacy: La trasmissione di telemetria sensibile dello schermo o dell'abitacolo fuori dal dispositivo introduce vulnerabilità alla privacy dei dati.
   Inoltre, gli approcci tradizionali di template-matching spesso falliscono sotto variazioni di scala o di prospettiva, mentre le pesanti reti neurali gravano sui processori edge a bassa potenza.

Metodologia: Il Framework LODTE
Il documento propone il framework Lodte (Lightweight Edge-Based Telemetry Parsing), un'architettura di visione deterministica, nativa per l'edge, progettata per analizzare localmente gli elementi dell'interfaccia utente (UI) di navigazione senza dipendenza dal cloud. Il sistema opera tramite una pipeline a quattro stadi ottimizzata per hardware con risorse limitate:

1. Pre-elaborazione Ottimizzata per l'Edge: I frame in input catturati tramite buffer di schermata ad alte prestazioni (utilizzando mss) vengono convertiti in scala di grigi per minimizzare l'overhead di elaborazione dei canali. Viene applicato un kernel di sfocatura Gaussiana localizzato per sopprimere il rumore di fondo ad alta frequenza dei vettori delle mappe e delle reti stradali.
2. Bounding Spaziale-Testuale Deterministico: Questa fase isola le schede di telemetria (es. ETA/distanza) applicando rigorosi priori geometrici anziché rilevamento basato sull'apprendimento. Il sistema filtra i bounding box con dimensioni specifiche (larghezza: 52–168px; altezza: 38–54px). Per eliminare i falsi positivi derivanti dagli artefatti della mappa, viene applicato un filtro di validazione multi-criterio:
   • Aspect Ratio (AR): Impone un vincolo di $1.5 \le AR \le 3.2$ per distinguere i banner di telemetria orizzontali da pin quadrati o marcatori verticali.
   • Intensità Media della ROI ($\mu_{ROI}$): Richiede un'intensità media dei pixel $> 210$ per garantire che il target sia uno sfondo chiaro solido e ad alto contrasto, tipico delle schede UI attive.
   • Central Score: Penalizza le anomalie ai bordi per garantire un isolamento robusto del target.
3. Tokenizzazione con Risorse Limitate: Le regioni di interesse (ROI) isolate vengono sovracampionate utilizzando l'interpolazione bicubica (3×) per migliorare la definizione dei bordi dei font. I dati vengono poi passati a un motore OCR Tesseract ottimizzato, configurato con blocchi di testo uniformi (--psm 6), evitando l'overhead dell'inferenza basata su deep learning.
4. Profiling della Latenza Cumulativa: Il framework include un profiler integrato che misura il tempo di esecuzione attraverso tutte le fasi per garantire prestazioni in tempo reale.

Contributi Chiave

• Bounding Spaziale-Testuale Deterministico: L'introduzione di un approccio non neurale, basato sulla geometria, che impone rigorosi priori dimensionali e di aspect-ratio per localizzare gli elementi della UI, eliminando la necessità di pesanti modelli di rilevamento oggetti.
• Architettura Nativa per l'Edge: Una pipeline completa che elimina l'overhead del round-trip verso il cloud, consentendo l'operatività offline e preservando la privacy dei dati.
• Tokenizzazione Ottimizzata: Un workflow leggero che combina l'upscaling bicubico 3× e la binarizzazione adattiva (metodo di Otsu) per ottenere un'elevata fedeltà di riconoscimento con un potere computazionale minimo.

Risultati Sperimentali
Il benchmarking empirico è stato condotto attraverso vari scenari di navigazione, inclusi tragitti a breve raggio, rotte regionali a medio raggio e rotte complesse a lungo raggio.

• Latenza: Il sistema ha raggiunto una latenza media di elaborazione per frame di 11,48 ms. In casi di test specifici, la latenza cumulativa è variata tra 10,66 ms e 12,87 ms.
• Suddivisione per Fase:
  • Pre-elaborazione: ~2,14 ms (6,5% del tempo totale).
  • Bounding Spaziale: ~4,85 ms (14,7% del tempo totale).
  • Tokenizzazione OCR: ~25,10 ms (76,2% del tempo totale).
• Accuratezza: Il framework ha dimostrato una precisione di segmentazione dei caratteri del 100% su campioni verificati con aspect ratio coerenti. Il successo dell'estrazione è stato elevato per i layout UI standard, sebbene gli autori abbiano notato che bounding box con padding irregolari o più piccoli hanno occasionalmente introdotto rumore OCR, portando a stati di estrazione parziale.
• Robustezza: Il sistema ha mantenuto le prestazioni attraverso diverse complessità di percorso e densità di mappa di sfondo senza richiedere infrastrutture cloud.

Significatività e Rivendicazioni
Il documento afferma che LODTE colma con successo il divario tra la visione ad alta accuratezza nel cloud e i vincoli di latenza/privacy dell'edge computing. Rimuovendo le dipendenze dal cloud, il framework consente il parsing della telemetria di navigazione in tempo reale, critico per la sicurezza, con un'efficienza su scala di microsecondi. Gli autori asseriscono che il sistema mantiene un'alta fedeltà di riconoscimento ottico anche quando la complessità dello sfondo varia, provando che è possibile sostenere una latenza sub-secondaria senza compromettere gravemente l'integrità dei dati spaziali-testuali.

Gli autori concludono che, sebbene il framework sia robusto per layout UI strutturati con aspect ratio coerenti, il lavoro futuro dovrebbe concentrarsi sull'estensione dell'adattabilità della UI per elementi con padding irregolare e sull'integrazione di piramidi di feature multi-scala per migliorare ulteriormente il riconoscimento attraverso varie risoluzioni di schermo.