Résumé Technique : TACO – Optimisation d'Alignement de Trajectoire en Vue Croisée

Énoncé du Problème

La robotique mobile autonome repose fortement sur les systèmes de navigation par satellite (GNSS) pour le positionnement absolu. Cependant, les signaux GNSS sont fréquemment occultés, réfléchis ou brouillés dans des environnements critiques tels que les canyons urbains et les espaces aériens contestés. Bien que l'odométrie visuelle-inertielle (VIO) et le SLAM visuel fournissent un mouvement relatif à haute fréquence, ils accumulent une dérive illimitée au fil du temps et nécessitent soit des cartes préconstruites, soit des revisites de régions déjà cartographiées pour corriger les erreurs. Aucune de ces approches n'est adaptée aux missions de premier passage dans des terrains non cartographiés sans communication externe.

Les méthodes récentes de géolocalisation en vue croisée (CVGL) ont évolué d'une récupération grossière au niveau de tuiles vers une régression métrique de pose fine, atteignant une précision inférieure à la taille d'une tuile. Cependant, ces méthodes ont historiquement été évaluées uniquement comme des localisateurs « en un seul coup » (appariement d'une seule image au sol à une seule coupe satellite) et n'ont jamais été intégrées comme correction absolue principale dans un pipeline fonctionnant en continu et en temps réel. Le défi consiste à créer un localisateur sans carte et à dérive bornée, fonctionnant indéfiniment en utilisant uniquement des capteurs embarqués (IMU et caméra monoculaire) et une seule lecture GNSS initiale, sans nécessiter de communication externe en direct ni de suites de capteurs coûteuses.

Méthodologie

TACO (Optimisation d'Alignement de Trajectoire en Vue Croisée) propose un pipeline fortement couplé qui fusionne l'estimation de position inertielle (dead-reckoning) de l'IMU avec une CVGL fine. Le système fonctionne sur un seul GPU grand public et utilise une caméra monoculaire et une IMU, n'utilisant le GNSS qu'au démarrage pour définir l'origine UTM initiale.

Composants Principaux

1. Pré-intégration de l'IMU et Modélisation des Erreurs :
   Le système maintient une estimation de position et de cap par estimation de position inertielle. Un modèle d'erreur sous forme fermée suit l'incertitude accumulée depuis la dernière correction acceptée. Il calcule l'erreur de dérive transversale (pilotée par la marche aléatoire du gyroscope) et l'erreur de dérive longitudinale (pilotée par la dérive du biais de l'accéléromètre). Ce modèle génère une valeur de déclenchement scalaire, $\epsilon_{IMU}$, qui évolue avec la distance parcourue et le temps écoulé.

2. Déclenchement et Recherche Multi-Coupes :
   Une inférence CVGL est déclenchée lorsque l'erreur estimée de l'IMU dépasse un seuil (1,0 m) ou qu'une limite de temps (2,0 s) est atteinte. Pour garantir que la requête reste dans le rayon de capture du matching CVGL malgré la dérive de l'IMU, TACO emploie une recherche biaisée vers l'avant :

   • Biais vers l'avant : Le centre de recherche est décalé vers l'avant le long du cap actuel d'une fraction de l'erreur estimée ($\delta_{fwd}$) pour tenir compte du mouvement du véhicule entre le dernier point d'ancrage et le déclenchement.
   • Croix à cinq points : Au lieu d'une seule requête, le système évalue cinq coupes satellites candidates autour du centre biaisé (avant, arrière, gauche, droite et centre). La candidate avec le poids d'appariement le plus élevé est sélectionnée. Cela maintient le coût d'inférence fixe à cinq passages en avant par déclenchement.

3. Module CVGL (FG2) :
   TACO utilise FG2, un appariement fin qui régresse la pose métrique au sein d'une tuile satellite. Il élève les caractéristiques au sol vers une grille de vue à vol d'oiseau (BEV) et les apparie avec les cellules satellites en utilisant un backbone DINOv2 partagé et un alignement de Procruste. La sortie est une translation 2D, une rotation et un poids de confiance.

4. Porte de Résidu de Yaw :
   Avant de fusionner une correction CVGL, le système vérifie la cohérence du cap. Étant donné que la tuile satellite est tournée pour s'aligner avec la boussole embarquée, la matrice de rotation renvoyée par le réseau encode l'erreur de cap résiduelle. Les corrections avec un résidu dépassant $\approx 20^\circ$ sont rejetées pour empêcher le filtre de se verrouiller sur des structures symétriques (par exemple, des places de parking parallèles) qui produisent des poids d'appariement élevés mais des poses géométriquement incorrectes.

5. Fusion UKF avec Bruit Anisotrope :
   Les corrections acceptées mettent à jour un Filtre de Kalman Unscented (UKF). Le modèle de bruit de mesure est anisotrope et mis à l'échelle par l'inverse du poids d'appariement. Cela reflète la géométrie du matching BEV, qui résout généralement la position le long du cap plus précisément que la position transversale au cap. Le filtre met à jour uniquement l'état de position, préservant le cap dérivé de la boussole et les estimations de vitesse de l'IMU.

6. Lissage Hors Ligne :
   Un graphe de facteurs (GTSAM) s'exécute hors ligne pour le post-traitement. Il intègre la même odométrie IMU et les corrections CVGL, augmentées par des fermetures de boucle vérifiées géométriquement. Les fermetures de boucle sont détectées sur la base de la proximité spatiale, de l'écart temporel et d'un test de rapport chemin-corde pour distinguer les revisites réelles des segments de route parallèles.

Contributions Clés

• Premier Localisateur CVGL Fin en Temps Réel : TACO est le premier système à utiliser une CVGL fine comme seul ancrage absolu dans un localisateur fonctionnant en temps réel et indéfiniment, remplaçant le GNSS en direct par une seule correction de démarrage.
• Recherche Biaisée vers l'Avant Déclenchée par l'Erreur : Un mécanisme déclenché par l'erreur de l'IMU combiné à une recherche à cinq points biaisée vers l'avant garantit que l'appariement fonctionne dans son rayon de capture à un coût d'inférence fixe et faible.
• Gating de Cohérence Géométrique : Une porte de résidu de yaw et un modèle de bruit anisotrope par correction garantissent que seules les corrections géométriquement cohérentes et pondérées par la confiance sont admises dans l'estimateur d'état.

Résultats

Le système a été évalué sur le benchmark d'odométrie KITTI (huit séquences) en utilisant un seul GPU grand public (RTX 3090).

• Précision : Sur le groupe représentatif de séquences (trajets urbains avec virages), TACO a réduit l'erreur de trajectoire absolue (ATE) médiane de 97,0 m (IMU seule) à 16,3 m, soit une réduction de 5,9×. Il a surpassé d'autres bases de capteurs minimaux (DROID-SLAM, DPVO) sur toutes les séquences représentatives.
• Bornage de la Dérive : Alors que l'erreur de l'IMU seule croissait de manière super-linéaire avec la distance, TACO a maintenu une enveloppe d'erreur bornée (environ 30 m) sur des trajectoires de plusieurs kilomètres.
• Efficacité : Le système fonctionne avec un cycle de travail CVGL de seulement 5–10 % (la caméra n'est active que pendant les déclenchements). Le coût de fusion par image est < 0,1 ms, et le coût GPU total est de 2,0–4,1 secondes-GPU par 100 m, soit un ordre de grandeur inférieur aux localisateurs aidés par carte comparables qui exécutent une CVGL sur chaque image.
• Matériel : Le système fonctionne en temps réel sur une seule RTX 3090 avec une utilisation de VRAM d'environ 1,5 Go, suggérant la faisabilité d'un déploiement sur des modules embarqués comme Jetson Orin.

Signification et Revendications

L'article revendique que TACO démontre la viabilité de l'utilisation d'une CVGL fine non seulement comme outil de récupération en un seul coup, mais comme signal de correction absolue principal dans une boucle de fusion de capteurs pour des véhicules terrestres en mouvement. En couplant étroitement l'estimation de position inertielle de l'IMU avec des mises à jour CVGL espacées et déclenchées, TACO réalise une localisation à dérive bornée, sans carte et sans GNSS en utilisant uniquement des capteurs standards sur la plupart des plateformes autonomes extérieures.

Les auteurs soulignent que cette approche résout le problème du « premier passage » dans des terrains non cartographiés sans nécessiter de LiDAR coûteux, de cartes préconstruites ou de communication externe continue. La capacité du système à maintenir une erreur bornée sur des durées de fonctionnement indéfinies en utilisant une seule correction GNSS de démarrage représente une étape significative vers une autonomie robuste dans des environnements dépourvus de GNSS. L'article note modestement que les améliorations supplémentaires de précision sont limitées par le backbone CVGL sous-jacent (FG2) plutôt que par l'architecture de fusion elle-même.