ISOPoT: Imaging Sonar Odometry by Point Tracking

Resumen Técnico: ISOPoT – Odometría de Sonar de Imagen mediante Seguimiento de Puntos

Planteamiento del Problema
La navegación fiable en entornos submarinos se ve dificultada por la atenuación de las señales electromagnéticas, lo que invalida el uso de GNSS y cámaras ópticas en condiciones de turbidez o baja visibilidad. Los sonares de imagen de visión frontal son la principal alternativa para la percepción de largo alcance; sin embargo, sus imágenes presentan desafíos únicos para la odometría. Los fotogramas de sonar sufren de ruido de moteado (speckle), artefactos del sensor, textura local débil y fuertes variaciones de apariencia debido a los ángulos de visión e insonificación. En consecuencia, los procesos estándar de visión computacional que dependen de la detección, descripción y emparejamiento de puntos clave locales por pares suelen fallar. Estos métodos son frágiles en regiones con poca estructura y propensos a estimaciones de movimiento globalmente inconsistentes. Además, la escasez de conjuntos de datos submarinos de alta calidad con una verdad de terreno precisa exacerba la dificultad de entrenar y evaluar sistemas robustos.

Metodología
Los autores proponen ISOPoT (Imaging Sonar Odometry by Point Tracking), un proceso diseñado para estimar el movimiento planar SE(2) a partir de una ventana deslizante de imágenes de sonar de visión frontal. En lugar de depender del emparejamiento de puntos clave por pares, ISOPoT aprovecha las técnicas modernas de "Seguimiento de Cualquier Punto" (TAP, por sus siglas en inglés) para establecer correspondencias de múltiples fotogramas.

El proceso opera de la siguiente manera:

1. Procesamiento de Ventana Deslizante: El sistema procesa una ventana de imágenes de sonar ($W$), que consiste en fotogramas superpuestos ($B$) de la iteración anterior y nuevos fotogramas ($N$). Esta superposición actúa como un periodo de calentamiento para suprimir los errores de predicción transitorios comunes en los datos de sonar.
2. Inicialización de Puntos de Consulta: Los puntos de consulta se inicializan mediante un detector basado en Sobel en el primer fotograma de la ventana, combinado con valores atípicos fiables heredados de la ventana anterior.
3. Gestor de Puntos de Rejilla (GPM): Para asegurar la cobertura espacial y evitar la agrupación, un GPM divide la imagen en una rejilla de $16 \times 16$, limitando el número de puntos de consulta por celda. Filtra los valores atípicos, los puntos predichos como invisibles y los puntos fuera de la región de escaneo válida.
4. Seguimiento de Puntos (TAPNext): Los puntos de consulta seleccionados se rastrean a través de toda la ventana utilizando TAPNext, un rastreador de vanguardia. TAPNext predice trayectorias y banderas de visibilidad para cada punto, explotando el contexto temporal y la información global de la imagen para mantener las correspondencias a pesar de las ambigüedades locales.
5. Estimación de Movimiento Grueso: Para cada fotograma objetivo, se estima una transformación euclidiana 2-D a partir de los puntos rastreados en el fotograma de referencia ($F_1$) hacia el fotograma objetivo ($F_t$) mediante RANSAC. Este enfoque estima el movimiento relativo a una referencia común en lugar de fotogramas consecutivos, mejorando la robustez contra la deriva.
6. Refinamiento de Emparejamiento: Una etapa de refinamiento ligera aborda los errores residuales por punto. Propaga los puntos de consulta a los fotogramas objetivo, extrae características densas mediante una red troncal ResNet50 y correlaciona los descriptores de referencia con las regiones de búsqueda para generar mapas de calor. Un optimizador global maximiza la suma de la correlación en todos los puntos fiables para refinar la hipótesis de movimiento global única.
7. Corrección Auxiliar Opcional: Aunque el método central es solo de sonar, una etapa opcional permite la fusión de odometría externa y datos de magnetómetro. Esto se logra ponderando la estimación del sonar basándose en la ratio de valores atípicos (inliers) del ajuste RANSAC, reemplazando el guiño (yaw) del sonar con la orientación del magnetómetro cuando está disponible para corregir la deriva a largo plazo.

Contribuciones Clave

1. Cambio de Paradigma: El artículo demuestra que los modelos modernos de seguimiento de cualquier punto se transfieren eficazmente a las imágenes de sonar de visión frontal. Establece que el seguimiento de puntos de múltiples fotogramas es una primitiva de correspondencia más robusta para la odometría de sonar que el emparejamiento tradicional de puntos clave por pares.
2. Proceso ISOPoT: Los autores introducen un proceso completo que combina el seguimiento basado en TAPNext, la gestión de puntos por rejilla y una etapa de refinamiento global basada en correlación. Esta combinación produce correspondencias estables en secuencias con desorden, textura débil y abundancia de artefactos.
3. Evaluación Exhaustiva: El método se evalúa en dos conjuntos de datos distintos: el conjunto público Aracati 2017 (caracterizado por artefactos de rayas persistentes y reflexiones) y un nuevo conjunto de datos Portoroz 2025 (caracterizado por escenas dominadas por el lecho marino con textura local débil).

Resultados

• Aracati 2017: En escenarios de solo sonar, ISOPoT supera sustancialmente al método de vanguardia SONIC, logrando un Error de Trayectoria Absoluta (ATE) y un Error Relativo (RE) significativamente menores en todas las secciones de prueba. Incluso comparado con DISO (que depende de odometría auxiliar y magnetómetros), ISOPoT logra resultados competitivos o superiores, particularmente en el error de traslación relativa.
• Portoroz 2025: En entornos dominados por el lecho marino donde los detectores de puntos clave locales (como AKAZE) suelen fallar al encontrar suficientes características, ISOPoT permanece estable. Logra un ATE y RE sustancialmente menores que tanto SONIC como DISO, a pesar de operar sin sensores auxiliares mientras que DISO los utiliza.
• Estudios de Ablación: Eliminar la etapa de refinamiento de emparejamiento causó la mayor degradación del rendimiento, confirmando la necesidad de convertir los rastreos gruesos en una estimación de movimiento global. Se encontró que el búfer de superposición es crítico para la consistencia a largo plazo, mientras que el Gestor de Puntos de Rejilla mejoró la estabilidad en regiones de alta densidad de puntos.

Significado y Reivindicaciones
El artículo afirma que ISOPoT aborda el desajuste fundamental entre las características de la imagen de sonar y el paradigma de emparejamiento por pares. Al cambiar al seguimiento de puntos de múltiples fotogramas, el método proporciona una forma más natural y robusta de manejar la ambigüedad y el ruido inherentes a los datos acústicos submarinos. Los autores aseguran que ISOPoT supera consistentemente a los métodos anteriores de vanguardia tanto en configuraciones de solo sonar como de multisensor, demostrando que mejorar el mecanismo de correspondencia del front-end es beneficioso incluso cuando la información de movimiento auxiliar está disponible. El trabajo destaca el potencial de aprovechar la consistencia temporal y la información global para resolver el desafiante problema de la navegación submarina sin depender de una verdad de terreno costosa o difícil de obtener para el entrenamiento.