VisionLabs conecta o Luna Cars ao estacionamento do escritório da MTS: acesso controlado por câmeras

A VisionLabs implantou no escritório da MTS um sistema de automação de estacionamento baseado na videoanálise Luna Cars. Segundo o CNews, a solução controla a entrada de veículos: as câmeras registram o automóvel, os algoritmos de visão computacional o identificam, e o sistema decide se a cancela deve ser aberta. A publicação de 13 de outubro de 2026 não informa o número de vagas, a precisão do reconhecimento nem os prazos de implantação. Por isso, o que se pode avaliar é o formato do projeto, e não seus resultados.

O que se sabe sobre o projeto

A cliente é a MTS, uma das maiores operadoras de telecomunicações da Rússia. A executora é a VisionLabs, desenvolvedora russa de sistemas de visão computacional. A empresa atua há bastante tempo no mercado de reconhecimento de rostos e objetos, e o Luna Cars faz parte de sua linha de soluções para trabalhar com veículos.

O estacionamento corporativo é um cenário óbvio para esse tipo de tecnologia. O fluxo de carros é previsível, a lista de veículos autorizados é limitada, e as câmeras podem ser posicionadas de modo que o ângulo e a iluminação fiquem estáveis. São as condições mais favoráveis para a videoanálise: aqui, um erro custa um atraso na cancela, e não um incidente numa via urbana.

Como funcionam os sistemas desse tipo

O esquema habitual é este. A câmera na entrada captura um quadro ou um fluxo de vídeo, o modelo localiza o automóvel e a placa e, em seguida, reconhece os caracteres. O resultado é comparado com a lista de veículos autorizados, e o sistema envia o comando para a cancela. Soluções desse tipo costumam identificar também atributos adicionais: marca, cor e tipo de carroceria. A fonte não especifica quais funções estão ativas no escritório da MTS.

A principal vantagem dessa combinação é a ausência de suportes físicos. Não são necessários cartões de acesso, chaveiros nem um funcionário de plantão para conferir as placas manualmente. As entradas de visitantes podem ser registradas com antecedência: a placa é cadastrada no sistema antes da chegada.

O que a notícia não diz

Faltam dados básicos para avaliar a maturidade do projeto:

• Escala: o número de vagas e de faixas de entrada não é informado.
• Precisão: não há a taxa de placas reconhecidas corretamente em diferentes condições (noite, neve, placas sujas).
• Velocidade: o tempo entre o aparecimento do carro no quadro e a abertura da cancela não é citado.
• Integração: não está claro se o sistema se conecta ao controle de acesso (SKUD) corporativo e às listas de funcionários.
• Economia: o custo de implantação e o prazo de retorno do investimento não foram divulgados.
• Dados: não se diz onde as gravações das câmeras ficam armazenadas nem por quanto tempo.

Sem esses números, a notícia continua sendo um caso de vitrine. Para a VisionLabs, o caso tem valor de reputação: um cliente de nome forte e uma tarefa fácil de entender. Para o mercado, por ora ele não oferece material para comparação com concorrentes.

O que verificar na implantação

Se uma empresa com estacionamento próprio planeja adotar um sistema semelhante, o ideal é começar com um piloto em uma única faixa. É preciso medir a taxa de erros ao longo de um mês, incluindo mau tempo e os meses de inverno, quando as placas ficam sujas e o sol baixo ofusca as câmeras.

Verifique separadamente os cenários de falha. O que acontece se a conexão com o servidor cair, se a cancela pode ser aberta manualmente, como são tratadas placas desconhecidas e estrangeiras. O terceiro ponto são os dados pessoais: a placa do carro costuma estar associada a um funcionário específico, o que exige uma política de armazenamento e restrição de acesso ao arquivo.

Se o fornecedor se dispõe a citar precisão e latência em números e a registrá-las em contrato, é um bom sinal. Se ele se limita à palavra "automação", vale pedir os protocolos de teste.