Resumo Técnico: Um Framework de Transferência Espaço-Temporal Consciente de Topologia para Rastreamento Contínuo de Múltiplos VANTs

1. Declaração do Problema

A integração de Veículos Aéreos Não Tripulados (VANTs) em Sistemas Inteligentes de Transporte (SIT) oferece visibilidade sinóptica para monitoramento de tráfego. No entanto, a implantação escalável é atualmente dificultada pela fragmentação de trajetórias. Como os VANTs comerciais devem operar em baixas altitudes para alcançar resolução espacial suficiente, seus Campos de Visão (FOV) são limitados. O monitoramento de corredores operacionais requer uma topologia linear de múltiplos VANTs, o que cria um desafio crítico: à medida que os veículos atravessam visualizações sequenciais, eles recebem identidades locais isoladas por cada drone. Sem uma identidade global unificada, métricas macroscópicas como estimativa de Origem-Destino (OD), tempo médio de viagem e frequência de mudanças de faixa de longa distância não podem ser derivadas com precisão.

Soluções existentes dependem fortemente de Re-Identificação Baseada em Aparência (Re-ID) para associar esses tracklets fragmentados. No entanto, no monitoramento aéreo, a Re-ID enfrenta duas limitações significativas:

1. Ambiguidade de Visão Nadir: De uma perspectiva de cima para baixo, veículos de modelos similares (por exemplo, sedãs brancos) parecem indistinguíveis, tornando características visuais como grades e rodas invisíveis.
2. Custo Computacional: A extração de embeddings visuais de alta dimensão é computacionalmente cara, frequentemente impedindo a execução em tempo real em hardware embarcado com recursos limitados.

2. Metodologia

O artigo propõe um sistema de Rastreamento de Múltiplos Veículos com Múltiplas Câmeras (MCMT) que migra de correspondência visual frágil para um mecanismo robusto de Transferência Espaço-Temporal Baseada em Topologia. O framework trata a cadeia de múltiplos VANTs não como sensores independentes, mas como um pipeline logicamente conectado onde as saídas e entradas de veículos são eventos causalmente ligados.

Arquitetura do Sistema

O sistema opera através de um pipeline hierárquico com três camadas:

1. Camada Superior (Cenário Físico): Múltiplos VANTs monitoram colaborativamente o tráfego com FOVs sobrepostos formando "Zonas de Transferência".
2. Camada Média (Núcleo de Processamento): VANTs individuais realizam rastreamento local, alimentando dados em um Módulo Central de Transferência Consciente de Topologia.
3. Camada Inferior (Saída de Dados): O sistema sintetiza dados locais fragmentados em trajetórias globais contínuas e unificadas.

Componentes Principais

• Percepção Local: O sistema utiliza YOLO11 (ajustado finamente para domínios aéreos) para detecção e ByteTrack para rastreamento local de múltiplos objetos. O ByteTrack é escolhido por sua capacidade de manter a continuidade do tracklet em cenários com muita oclusão, utilizando caixas delimitadoras de baixa confiança.
• Estimativa de Estado Cinemático: Deslocamentos brutos de pixels são convertidos em velocidades métricas e perfis de rumo usando uma calibração baseada em Distância de Amostragem no Solo (GSD). Isso permite análise de fluxo de tráfego ao nível da faixa.
• Mecanismo de Transferência Consciente de Topologia: Esta é a contribuição central. Em vez de correspondência visual, o sistema utiliza um algoritmo determinístico de correspondência baseado em fila:
  • Calibração de Sobreposição Geométrica: Regiões de sobreposição entre VANTs são definidas como polígonos não convexos calibrados à geometria da via, em vez de caixas retangulares simples.
  • Particionamento Espacial Direcional: A via é logicamente bissectada (por exemplo, sentido Leste vs. sentido Oeste) para criar canais de lógica isolados, prevenindo correspondências errôneas entre fluxos de tráfego opostos.
  • Correspondência Espacial Consciente de Lateralidade: O sistema mantém buffers direcionais Primeiro a Entrar, Primeiro a Sair (FIFO). Quando um veículo entra em um nó a jusante, o sistema consulta o buffer a montante. Ele corresponde veículos com base em metadados de posição lateral ($y_{rel}$) dentro de uma janela de busca temporal ($\Delta t$), em vez de similaridade visual.
  • Transferência Suave: A inclusão de um limite temporal permite que o sistema recupere identidades globais mesmo se os veículos atravessarem pontos cegos não monitorados ou se houver pequenos desalinhamentos de calibração.
• Execção Paralela Sincronizada: Para garantir consistência temporal em uma rede distribuída, o sistema emprega um "Consumidor Global Sincronizado" com uma barreira de sincronização. Isso garante que a lógica de transferência topológica seja executada apenas quando o estado de toda a rede estiver alinhado temporalmente, prevenindo violações de causalidade.

3. Principais Contribuições

O artigo delineia três contribuições primárias:

1. Correspondência Determinística Baseada em Fila Espaço-Temporal: Um algoritmo que utiliza sobreposições geométricas e discretização de faixas virtuais para costurar tracklets fragmentados em trajetórias globais sem depender de características visuais.
2. Estimador de Estado Cinemático Consciente de Métricas: Um método para transformar tracklets de pixels brutos em perfis de velocidade e rumo calibrados, permitindo análise precisa de fluxo de tráfego.
3. Validação de Restrições Topológicas: Prova experimental de que restrições topológicas oferecem uma alternativa escalável e computacionalmente eficiente aos métodos baseados em aparência para rastreamento contínuo em áreas amplas em ambientes urbanos.

4. Resultados Experimentais

O sistema foi avaliado em um conjunto de dados personalizado capturando um corredor urbano de 500m com três fluxos sincronizados em 4K, incluindo interseções complexas e tráfego de fusão.

• Taxa de Sucesso de Transferência (HOSR): O método proposto alcançou uma HOSR de 99,8% em fluxos de tráfego contínuos. Isso superou significativamente as bases de Re-ID:
  • DeepSORT (Re-ID): 68,3%
  • FastReID (ResNet50): 74,1%
  • ByteTrack (Apenas movimento, sem topologia): 12,4%
• Robustez: O sistema manteve alta precisão em diferentes regimes de tráfego:
  • Fluxo Livre: 99,8%
  • Ultrapassagem (Manobras paralelas): 98,6%
  • Congestionamento: 92,4% (leve queda devido a paradas prolongadas excedendo os limites estáticos de Tempo de Vida).
• Implantação na Borda: O sistema foi testado em um NVIDIA Jetson Orin NX (modo 15W). Usando o modelo YOLO11s, o sistema alcançou 25,6 FPS por fluxo, validando sua viabilidade para processamento embarcado em tempo real em enxames de VANTs com recursos limitados.
• Eficiência: A abordagem proposta manteve desempenho em tempo real (62,1 FPS no servidor) comparável a rastreadores leves baseados em movimento, enquanto modelos pesados de Re-ID caíram para 8,4 FPS.

5. Significado e Alegações

O artigo alega que, para vigilância aérea estruturada, o contexto espaço-temporal de um veículo é frequentemente mais confiável do que sua aparência visual. Ao aproveitar as restrições físicas da via (direcionalidade e fluxo sequencial), o sistema supera a "ambiguidade de visão nadir" que limita pipelines de rastreamento tradicionais.

Os autores enfatizam que este framework permite análise em nível de rede (como estimativa de OD), que era anteriormente impossível devido à fragmentação de trajetórias. Além disso, a integração bem-sucedida desta lógica em um pipeline paralelo de alto rendimento demonstra que associação global sofisticada é alcançável em tempo real em hardware de borda, removendo a necessidade de transmissão de alta largura de banda para servidores centralizados.

O artigo conclui modestamente, reconhecendo que, embora a implementação atual assuma uma visão estritamente nadir, trabalhos futuros visam incorporar calibração baseada em homografia para inclinação da câmera e portão temporal adaptativo para lidar com congestionamentos extremos de forma mais eficaz.