Typography-Based Monocular Distance Estimation Framework for Vehicle Safety Systems

Resumo Técnico: T-MDE

1. O Problema

A estimativa precisa da distância entre veículos é um pilar fundamental para Sistemas Avançados de Assistência ao Condutor (ADAS) e veículos autônomos, sendo essencial para evitar colisões, controle de cruzeiro adaptativo e planejamento de trajetória.

• Limitações dos Sensores Ativos: Tecnologias como LiDAR e radar oferecem alta precisão, mas seus custos elevados (US$ 500–US$ 10.000+ para LiDAR) e complexidade de integração impedem sua adoção em massa em veículos de consumo.
• Desafios da Visão Monocular: Câmeras monoculares são baratas e consomem pouca energia, mas sofrem de ambiguidade de escala. Uma única imagem não consegue distinguir entre um objeto pequeno próximo e um objeto grande distante.
• Limitações de Métodos Existentes: Abordagens baseadas em deep learning sofrem com domain shift (mudança de domínio entre dados de treino e realidade) e falta de interpretabilidade geométrica. Métodos geométricos baseados em largura de placa ou largura de faixa são sensíveis a variações de pose da câmera (inclinação/rotação do veículo) e dependem de condições ideais de estrada.

2. Metodologia (Framework T-MDE)

O T-MDE propõe um framework que utiliza a tipografia padronizada das placas de veículos como marcadores fiduciais passivos para estimativa métrica de distância. O sistema é composto por quatro módulos principais integrados:

• Núcleo Geométrico:

  • Detecção de Placa: Utiliza limiarização adaptativa (com pesos Gaussianos) e operações morfológicas para localizar a placa. Opera em dois modos: estrito (para ângulos normais) e permissivo (para ângulos extremos), alternando automaticamente se a detecção falhar por 30 quadros consecutivos.
  • Segmentação de Caracteres: Aplica múltiplos métodos de limiarização (Gaussiana adaptativa e Otsu) em imagens retificadas. Utiliza filtros geométricos rigorosos (razão de aspecto, altura relativa à placa, área) para rejeitar falsos positivos.
  • Cálculo de Distância: Baseia-se no modelo de câmera pinhole ($D = f \cdot H / h$), onde a distância é calculada usando a altura física conhecida dos caracteres ($H$) e a altura medida em pixels ($h$), em vez da largura total da placa.

• Compensação de Pose da Câmera:

  • Corrige erros causados pela inclinação (pitch) e rotação (roll) do veículo durante aceleração, frenagem ou em terrenos irregulares.
  • Estima o horizonte usando a detecção de linhas de faixa (Transformada de Hough) e o ponto de fuga. Se as faixas não forem visíveis, utiliza uma rede neural leve como fallback. A altura dos caracteres é corrigida matematicamente antes do cálculo da distância.

• Fusão Híbrida com Deep Learning:

  • Integra estimativas geométricas com mapas de profundidade densos gerados pelo modelo MiDaS.
  • Como o MiDaS fornece profundidade relativa (sem escala métrica), o sistema calcula um fator de escala online ($s_t$) usando a estimativa geométrica da placa para converter a profundidade do MiDaS em metros.
  • Uma fusão por ponderação de variância inversa combina as duas estimativas, garantindo degradação graciosa caso a detecção da placa falhe.

• Processamento Temporal e Filtragem:

  • Utiliza um Filtro de Kalman unidimensional para suavizar as medições de distância e estimar a velocidade relativa ($\dot{D}$).
  • Implementa rastreamento de caixa delimitadora usando fluxo óptico de Lucas-Kanade para manter o rastreamento durante breves oclusões ou borrões de movimento.

• Fusão Multi-Recursos:

  • Além da altura dos caracteres, o sistema explora outras características tipográficas padronizadas: largura do traço, espaçamento entre caracteres e espessura da borda da placa, fundindo essas estimativas independentes para maior robustez.

3. Contribuições Principais

1. Núcleo Geométrico Robusto: Um pipeline completo que detecta placas, segmenta caracteres individualmente e calcula distância baseada em múltiplas amostras de caracteres, com modos de detecção adaptativos e calibração interativa.
2. Validação Experimental Controlada: Demonstração de estabilidade com um coeficiente de variação de 2,3% na medição da altura dos caracteres e um erro absoluto médio (MAE) de 2,3 mm em uma distância de 30 mm.
3. Sistema Completo e Integrado: Implementação que vai além da geometria básica, incluindo compensação de pose baseada em faixas, fusão com MiDaS, filtragem temporal e fusão de múltiplos recursos tipográficos.
4. Roteiro para Expansão: Proposta de suporte multi-jurisdição (classificação automática de país/estado da placa) e o desenvolvimento do conjunto de dados MPDD (Michigan Plate Distance Dataset) com mais de 5.000 quadros anotados e ground truth LiDAR.

4. Resultados

• Precisão e Estabilidade: Em um ambiente controlado (interno), o sistema alcançou um desvio padrão de apenas 0,0007 m nas estimativas de distância.
• Comparação com Métodos Baseados em Largura da Placa: A abordagem baseada em caracteres reduziu o desvio padrão das estimativas em 35-36% em comparação com métodos que usam apenas a largura da placa. Isso ocorre porque a média de múltiplos caracteres (6-8) mitiga erros de segmentação que afetam a borda única da placa.
• Desempenho Computacional: O sistema opera em tempo real (14–16 fps) em um processador de laptop padrão (Intel Core i7) sem aceleração por GPU, demonstrando viabilidade para sistemas de assistência de estacionamento e navegação em baixa velocidade.
• Erro: O MAE foi de 0,0023 m e o RMSE de 0,0024 m na validação interna.

5. Significado e Impacto

O T-MDE representa um avanço significativo para a democratização de sistemas de segurança veicular de baixo custo. Ao explorar a padronização global das placas de veículos como uma referência métrica confiável, o framework oferece uma alternativa viável e precisa aos sensores LiDAR caros.

• Segurança: Aborda diretamente a causa principal de acidentes graves (erro humano de reconhecimento), fornecendo alertas precisos de distância e tempo até a colisão (TTC).
• Viabilidade de Implantação: A capacidade de operar sem GPU e com hardware comum torna a tecnologia acessível para veículos de massa.
• Futuro: O trabalho estabelece as bases para uma nova geração de percepção veicular que combina geometria clássica interpretável com aprendizado profundo, com planos de expansão para dados do mundo real e suporte global.

Em suma, o T-MDE transforma uma característica visual comum (a placa de carro) em um sensor de distância métrico de alta precisão, resolvendo a ambiguidade de escala da visão monocular através de restrições geométricas inteligentes e fusão de dados.