Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography

1. O Problema

A estimativa precisa da distância entre veículos é fundamental para Sistemas Avançados de Assistência ao Condutor (ADAS) e direção autônoma, especialmente para funções críticas como Alerta de Colisão Frontal (FCW) e Frenagem Automática de Emergência (AEB).

• Limitações dos Sensores Ativos: O LiDAR e o radar oferecem alta precisão, mas seu alto custo ($500-$5.000 para LiDAR) e consumo de energia impedem sua adoção em massa em veículos de consumo.
• Limitações das Câmeras Monoculares: Câmeras são baratas ($20-$50) e eficientes, mas sofrem de ambiguidade de escala. Uma imagem 2D não contém informação de profundidade métrica intrínseca.
• Desafios dos Métodos de Deep Learning: Métodos recentes de profundidade monoculares baseados em redes neurais (como MiDaS, ZoeDepth) exigem grandes conjuntos de dados supervisionados, sofrem com domain shift (degradação de desempenho em ambientes diferentes dos de treino, como neve ou chuva) e produzem previsões que não podem ser facilmente certificadas para segurança, pois carecem de raciocínio geométrico explícito.

2. Metodologia: T-MDE Enhanced

O artigo propõe o T-MDE Enhanced, um framework que utiliza a tipografia padronizada das placas de licença dos EUA como marcadores fiduciais passivos para resolver a ambiguidade de escala sem necessidade de dados de treinamento ou iluminação ativa. O sistema opera em quatro camadas principais:

A. Detecção de Placa Paralela (4 Métodos)

Para garantir robustez em todas as condições de iluminação automotiva (do escuro ao brilho intenso), o sistema executa quatro pipelines de processamento em paralelo:

1. Limiarização Gaussiana Adaptativa: Lida com iluminação desigual.
2. Método de Otsu: Otimizado para cenas de alto contraste ao ar livre.
3. Detecção de Bordas Canny + Dilatação: Eficaz em luz fraca ou condições infravermelhas.
4. Filtro Bilateral + Otsu: Reduz ruído e desfoque de movimento.
   Um sistema de pontuação composto seleciona a melhor candidata e alterna automaticamente entre modos "estrito" e "permissivo" de razão de aspecto para lidar com ângulos de visão extremos.

B. Motor de Identificação de Estado (3 Estágios)

Para calcular a distância, o sistema precisa saber a altura física exata dos caracteres ($H_s$), que varia por estado (ex: 63 mm no Tennessee vs. 72 mm em Michigan). O sistema identifica o estado através de:

1. OCR de Texto: Usa EasyOCR e Tesseract para ler nomes de estados e slogans (ex: "PURE MICHIGAN").
2. Pontuação de Cor HSV: Compara a distribuição de cores da placa com um catálogo de 127 designs de todas as 51 jurisdições.
3. Classificador CNN (Opcional): Usa uma rede leve (MobileNetV3-Small) como fallback quando os estágios anteriores são ambíguos.

C. Estimativa de Distância Geométrica e Fusão

• Geometria Pura: Utiliza o modelo de câmera pinhole ($D = f \cdot H_s / \bar{h}$), onde $\bar{h}$ é a altura média dos caracteres medidos na imagem.
• Compensação de Pose: Corrige erros causados pelo ângulo de inclinação (pitch) e rotação (roll) da câmera usando a geometria de linhas de pista ou um preditor de horizonte profundo.
• Fusão Híbrida: Combina a estimativa geométrica com a profundidade relativa do MiDaS DPT-Hybrid (Deep Learning). O sistema usa um alinhamento de escala online (Exponential Moving Average) e ponderação por variância inversa. Isso permite que o sistema continue fornecendo estimativas de distância mesmo quando a placa está temporariamente ocluída (usando apenas o ramo de Deep Learning com a última escala conhecida).

D. Filtro de Kalman e Alerta de Colisão

Um filtro de Kalman unidimensional de velocidade constante suaviza a distância estimada, calcula a velocidade relativa e determina o Tempo até a Colisão (TTC). O sistema emite alertas de "Cuidado" (TTC < 2.0s) e "Perigo" (TTC < 1.0s) conforme os padrões da NHTSA.

3. Principais Contribuições

1. Detector de Placa Robusto: Um detector paralelo de quatro métodos com pontuação composta e troca de modo adaptativa, garantindo leitura em toda a faixa de iluminação automotiva.
2. Motor de Identificação de Estado Híbrido: Uma abordagem de três estágios (OCR, Cor HSV, CNN) que alcança alta precisão na identificação do estado e, consequentemente, na seleção da altura correta dos caracteres.
3. Fusão Geométrica-Profunda Certificável: Integração de estimativa geométrica baseada em física com profundidade aprendida, permitindo estimativas contínuas durante oclusões e fornecendo limites de erro analíticos para certificação de segurança.

4. Resultados Experimentais

Os testes foram realizados em ambientes controlados e ao ar livre (Michigan, EUA):

• Precisão de Medição: O sistema alcançou um Coeficiente de Variação (CV) de 2,3% na medição da altura dos caracteres.
• Erro de Distância: Em uma distância de 10 metros, o erro absoluto médio (MAE) foi de 0,23 m (2,3%).
• Comparação com Métodos Anteriores: A variância da estimativa de distância foi 36% menor do que métodos baseados apenas na largura da placa.
• Comparação com Deep Learning: O T-MDE Enhanced superou as bases de deep learning (ZoeDepth, Depth Anything) por um fator de 5 vezes em erro relativo (2,3% vs. ~14-18%).
• Robustez: O sistema manteve a saída de distância contínua durante oclusões breves da placa (0,2-0,5s), algo que métodos puramente geométricos não conseguem fazer.
• Compensação de Pose: A correção de ângulo reduziu o erro de 9,8% (sem compensação a 3° de pitch) para 1,9%.

5. Significado e Conclusão

O T-MDE Enhanced representa um avanço significativo para a democratização de sistemas de segurança veicular. Ao utilizar priors geométricos explícitos (o tamanho padrão das placas), o sistema elimina a necessidade de grandes conjuntos de dados de treinamento e oferece raciocínio interpretável, o que é crucial para a certificação de segurança (ISO 26262).

Diferente das abordagens puramente baseadas em dados, este método é robusto a mudanças de domínio (clima, geografia) e fornece limites de erro analíticos. A fusão inteligente com redes neurais profundas garante robustez contra oclusões, oferecendo uma solução de baixo custo, de alta precisão e certificável para a próxima geração de ADAS em veículos de consumo.