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

技术摘要：基于确定性空间-文本（LODTE）的轻量化边缘导航系统遥测解析

问题陈述
传统的从数字地图界面解析实时导航遥测数据（如预计到达时间 ETA 和距离度量）的方法，过度依赖于以云端为中心的视觉架构或资源密集型卷积神经网络（CNN）。作者指出了现有方法中的三个关键局限性：

1. 网络延迟： 向云端服务器进行往返传输使得光学字符识别（OCR）无法满足亚秒级的、对安全性至关重要的边缘响应需求。
2. 带宽开销： 云端处理所需的持续视频流传输对网络吞吐量提出了极高的要求。
3. 隐私风险： 将敏感的屏幕或座舱遥测数据传输到设备外会引入数据隐私漏洞。
   此外，传统的模板匹配方法在面对缩放或透视变化时往往会失效，而沉重的神经网络则会给低功耗边缘处理器带来巨大压力。

方法论：LODTE 框架
本文提出了**轻量化边缘遥测解析（LODTE）**框架，这是一种确定性的、边缘原生的视觉架构，旨在无需云端依赖的情况下在本地解析导航 UI 元素。该系统通过一个针对资源受限硬件优化的四阶段流水线运行：

1. 边缘优化的预处理： 通过高性能屏幕缓冲区（使用 mss）捕获输入帧，并将其转换为灰度图像，以最小化通道处理开销。应用局部高斯模糊内核以抑制来自地图矢量和路网的高频背景噪声。
2. 确定性空间-文本边界限定： 此阶段通过应用严格的几何先验而非基于学习的检测来隔离遥测卡片（例如 ETA/距离）。系统通过过滤具有特定尺寸（宽度：52–168px；高度：38–54px）的边界框来定位目标。为了消除来自地图伪影的误报，应用了多准则验证过滤器：
   • 长宽比 (AR)： 强制执行 $1.5 \le AR \le 3.2$ 的约束，以区分水平遥测横幅与正方形图钉或垂直标记。
   • 感兴趣区域平均强度 ($\mu_{ROI}$)： 要求平均像素强度 $> 210$，以确保目标是典型的、高对比度的亮色背景 UI 卡片。
   • 中心得分： 通过惩罚边缘异常情况，确保鲁棒的目标隔离。
3. 资源受限的 OCR 分词： 被隔离的感兴趣区域（ROI）通过**三次插值（3×）**进行上采样，以增强字体边缘定义。随后，数据被传递至经过优化的 Tesseract OCR 引擎，该引擎配置为统一文本块模式（--psm 6），从而避免了深度学习推理带来的开销。
4. 累积延迟剖析： 框架内置了一个剖析器，用于测量各阶段的执行时间，以确保实时性能。

核心贡献

• 确定性空间-文本边界限定： 引入了一种非神经、基于几何的方法，通过强制执行严格的维度和长宽比先验来定位 UI 元素，从而无需沉重的目标检测模型。
• 边缘原生架构： 一个完整的流水线，消除了云端往返开销，实现了离线运行并保护了数据隐私。
• 优化的分词流程： 一种结合了 3× 三次插值上采样和自适应二值化（Otsu 方法）的轻量化工作流，以极低的计算能力实现高保真识别。

实验结果
研究人员在各种导航场景下进行了经验基准测试，包括短途通勤、中程区域路线以及长途复杂路径。

• 延迟： 系统实现了每帧平均 11.48 ms 的总处理延迟。在特定测试用例中，累积延迟在 10.66 ms 至 12.87 ms 之间波动。
• 阶段分解：
  • 预处理：~2.14 ms（占总时间的 6.5%）。
  • 空间边界限定：~4.85 ms（占总时间的 14.7%）。
  • OCR 分词：~25.10 ms（占总时间的 76.2%）。
• 准确率： 在具有一致长宽比的验证样本上，该框架展示了 100% 的字符分割准确率。对于标准 UI 布局，提取成功率很高；但作者指出，不规则填充或较小的边界框偶尔会引入 OCR 噪声，导致出现部分提取状态。
• 鲁棒性： 该系统在不同的路径复杂度及背景地图密度下均能保持性能，且无需云端基础设施。

意义与主张
本文声称，LODTE 成功弥合了高精度云视觉与边缘计算的延迟/隐私约束之间的鸿沟。通过移除云端依赖，该框架实现了具有微秒级效率的实时、安全关键型导航遥测解析。作者断言，即使在背景复杂度变化的情况下，该系统仍能保持高光学识别保真度，证明了可以在不严重损害空间-文本数据完整性的前提下，维持亚秒级延迟。

作者总结道，虽然该框架对于具有一致长宽比的结构化 UI 布局非常鲁棒，但未来的工作应侧重于扩展对不规则填充元素的 UI 适应性，并集成多尺度特征金字塔，以进一步提高在不同屏幕分辨率下的识别能力。