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

Resumo Técnico: Processamento de Telemetria Leve Baseado em Borda para Sistemas de Navegação via Espacial-Texto Determinístico (LODTE)

Problema
Os métodos tradicionais para processar telemetria de navegação em tempo real (como Tempo Estimado de Chegada e métricas de distância) a partir de interfaces de mapas digitais dependem fortemente de arquiteturas de visão centradas na nuvem ou de Redes Neurais Convolucionais (CNNs) que consomem muitos recursos. Os autores identificam três limitações críticas nessas abordagens existentes:

1. Latência de Rede: A transmissão de ida e volta para servidores na nuvem torna o Reconhecimento Óptico de Caracteres (OCR) impraticável para respostas de borda subsegundo e críticas à segurança.
2. Sobrecarga de Largura de Banda: O streaming contínuo de vídeo exigido para o processamento na nuvem demanda uma largura de banda de rede significativa.
3. Riscos de Privacidade: A transmissão de telemetria sensível da tela ou da cabine para fora do dispositivo introduz vulnerabilidades de privacidade de dados.
   Além disso, as abordagens tradicionais de correspondência de modelos (template-matching) frequentemente falham sob variação de escala ou perspectiva, enquanto redes neurais pesadas sobrecarregam processadores de borda de baixa potência.

Metodologia: O Framework LODTE
O artigo propõe o framework de Processamento de Telemetria Leve Baseado em Borda (LODTE), uma arquitetura de visão determinística e nativa de borda, projetada para processar elementos de UI de navegação localmente sem dependência da nuvem. O sistema opera por meio de um pipeline de quatro estágios otimizado para hardware com recursos limitados:

1. Pré-processamento Otimizado para Borda: Quadros de entrada capturados via buffers de tela de alto desempenho (usando mss) são convertidos para tons de cinza para minimizar a sobrecarga de processamento de canais. Um kernel de desfoque Gaussiano localizado é aplicado para suprimir o ruído de fundo de alta frequência proveniente de vetores de mapa e redes viárias.
2. Delimitação Espacial-Textual Determinística: Este estágio isola cartões de telemetria (ex: ETA/distância) aplicando priors geométricos estritos em vez de detecção baseada em aprendizado. O sistema filtra caixas delimitadoras com dimensões específicas (largura: 52–168px; altura: 38–54px). Para eliminar falsos positivos de artefatos do mapa, um filtro de validação multicritério é aplicado:
   • Razão de Aspecto (AR): Impõe uma restrição de $1.5 \le AR \le 3.2$ para distinguir banners de telemetria horizontais de pins quadrados ou marcadores verticais.
   • Intensidade Média da ROI ($\mu_{ROI}$): Requer uma intensidade média de pixel $> 210$ para garantir que o alvo seja um fundo claro sólido e de alto contraste, típico de cartões de UI ativos.
   • Pontuação Central: Penaliza anomalias de borda para garantir o isolamento robusto do alvo.
3. Tokenização de Recursos Restritos: Regiões de interesse (ROI) isoladas são ampliadas usando interpolação bicúbica (3×) para melhorar a definição das bordas da fonte. Os dados são então passados para um motor OCR Tesseract otimizado, configurado para blocos de texto uniformes (--psm 6), evitando a sobrecarga de inferência de aprendizado profundo.
4. Perfil de Latência Cumulativa: O framework inclui um perfilador integrado que mede o tempo de execução em todos os estágios para garantir o desempenho em tempo real.

Principais Contribuições

• Delimitação Espacial-Textual Determinística: A introdução de uma abordagem não neural, baseada em geometria, que impõe priors estritos de dimensão e razão de aspecto para localizar elementos de UI, eliminando a necessidade de modelos pesados de detecção de objetos.
• Arquitetura Nativa de Borda: Um pipeline completo que elimina a sobrecarga de ida e volta da nuvem, permitindo operação offline e preservando a privacidade dos dados.
• Tokenização Otimizada: Um fluxo de trabalho leve combinando upscaling bicúbico 3× e binarização adaptativa (método de Otsu) para alcançar alta fidelidade de reconhecimento com o mínimo de poder computacional.

Resultados Experimentais
Testes de benchmarking empíricos foram conduzidos em vários cenários de navegação, incluindo trajetos de curta distância, rotas regionais de média distância e rotas complexas de longa distância.

• Latência: O sistema alcançou uma latência de processamento média por quadro de 11,48 ms. Em casos de teste específicos, a latência cumulativa variou entre 10,66 ms e 12,87 ms.
• Divisão por Estágio:
  • Pré-processamento: ~2,14 ms (6,5% do tempo total).
  • Delimitação Espacial: ~4,85 ms (14,7% do tempo total).
  • Tokenização OCR: ~25,10 ms (76,2% do tempo total).
• Precisão: O framework demonstrou 100% de precisão de segmentação de caracteres em amostras verificadas com razões de aspecto consistentes. O sucesso de extração foi alto para layouts de UI padrão, embora os autores tenham observado que caixas delimitadoras irregularmente preenchidas ou menores ocasionalmente introduziram ruído de OCR, levando a status de extração parcial.
• Robustez: O sistema manteve o desempenho através de várias complexidades de rota e densidades de mapa de fundo sem exigir infraestrutura de nuvem.

Significância e Alegações
O artigo afirma que o LODTE consegue preencher a lacuna entre a visão de alta precisão na nuvem e as restrições de latência/privacidade da computação de borda. Ao remover as dependências da nuvem, o framework permite o processamento de telemetria de navegação em tempo real e crítica à segurança com eficiência de nível de microssegundos. Os autores afirmam que o sistema mantém alta fidelidade de reconhecimento óptico mesmo quando as complexidades de fundo variam, provando que a latência subsegundo pode ser sustentada sem comprometer severamente a integridade dos dados espaciais-textuais.

Os autores concluem que, embora o framework seja robusto para layouts de UI estruturados com razões de aspecto consistentes, trabalhos futuros devem focar em estender a adaptabilidade da UI para elementos com preenchimento irregular e integrar pirâmides de características de múltiplas escalas para melhorar ainda mais o reconhecimento através de variadas resoluções de tela.