Resumo Técnico: TACO – Otimização de Alinhamento de Trajetória em Visão Cruzada

Declaração do Problema

A robótica móvel autônoma depende fortemente de Sistemas de Navegação por Satélite Global (GNSS) para posicionamento absoluto. No entanto, os sinais de GNSS são frequentemente obstruídos, refletidos ou bloqueados em ambientes críticos, como cânions urbanos e espaços aéreos contestados. Embora a Odometria Visual-Inercial (VIO) e o SLAM visual forneçam movimento relativo de alta taxa, eles acumulam deriva ilimitada ao longo do tempo e exigem mapas pré-construídos ou revisitas a regiões previamente mapeadas para corrigir erros. Nenhuma das duas abordagens é adequada para missões de primeira travessia em terrenos não mapeados sem comunicação externa.

Métodos recentes de Geolocalização em Visão Cruzada (CVGL) evoluíram da recuperação grosseira em nível de tiles para regressão métrica de pose de alta granularidade, alcançando precisão sub-tile. Contudo, historicamente, esses métodos foram avaliados apenas como localizadores "one-shot" (correspondendo uma única imagem de solo a um único recorte de satélite) e nunca foram integrados como correção absoluta primária em um pipeline vivo e em execução contínua. O desafio é criar um localizador sem mapa e com deriva limitada que opere indefinidamente usando apenas sensores a bordo (IMU e câmera monocular) e uma única leitura inicial de GNSS, sem exigir comunicação externa em tempo real ou conjuntos de sensores caros.

Metodologia

O TACO (Otimização de Alinhamento de Trajetória em Visão Cruzada) propõe um pipeline acoplado que funde a estimativa de posição morta (dead-reckoning) do IMU com CVGL de alta granularidade. O sistema opera em uma única GPU de consumo e utiliza uma câmera monocular e um IMU, consumindo GNSS apenas na inicialização para definir a origem UTM inicial.

Componentes Principais

1. Pré-integração do IMU e Modelagem de Erro:
   O sistema mantém uma estimativa de posição e rumo baseada em estimativa de posição morta. Um modelo de erro de forma fechada rastreia a incerteza acumulada desde a última correção aceita. Ele calcula o erro de desvio lateral (impulsionado pelo passeio aleatório do giroscópio) e o erro ao longo da trajetória (impulsionado pela deriva do viés do acelerômetro). Este modelo gera um valor de gatilho escalar, $\epsilon_{IMU}$, que escala com a distância percorrida e o tempo decorrido.

2. Gatilho e Busca Multi-Recorte:
   Uma inferência de CVGL é acionada quando o erro estimado do IMU excede um limite (1,0 m) ou um limite de tempo (2,0 s) é atingido. Para garantir que a consulta permaneça dentro do raio de captura do correspondente de CVGL, apesar da deriva do IMU, o TACO emprega uma busca com viés para frente:

   • Viés para Frente: O centro da busca é deslocado para frente ao longo do rumo atual por uma fração do erro estimado ($\delta_{fwd}$) para contabilizar o movimento do veículo entre a última âncora e o gatilho.
   • Cruz de Cinco Pontos: Em vez de uma única consulta, o sistema avalia cinco recortes candidatos de satélite ao redor do centro com viés (frente, trás, esquerda, direita e centro). O candidato com o maior peso de correspondência é selecionado. Isso mantém o custo de inferência fixo em cinco passagens para frente por gatilho.

3. Módulo CVGL (FG2):
   O TACO utiliza o FG2, um correspondente de alta granularidade que regressa a pose métrica dentro de um tile de satélite. Ele eleva características do solo para uma grade de Visão de Pássaro (BEV) e as corresponde com células de satélite usando uma espinha dorsal compartilhada DINOv2 e alinhamento Procrustes. A saída é uma translação 2D, rotação e um peso de confiança.

4. Portão de Resíduo de Guinada (Yaw-Residual Gate):
   Antes de fundir uma correção de CVGL, o sistema verifica a consistência do rumo. Como o tile de satélite é rotacionado para alinhar com a bússola a bordo, a matriz de rotação retornada pela rede codifica o erro residual de rumo. Correções com um resíduo superior a $\approx 20^\circ$ são rejeitadas para evitar que o filtro se fixe em estruturas simétricas (por exemplo, vagas de estacionamento paralelas) que produzem pesos de correspondência altos, mas poses geometricamente incorretas.

5. Fusão UKF com Ruído Anisotrópico:
   Correções aceitas atualizam um Filtro de Kalman Unscented (UKF). O modelo de ruído de medição é anisotrópico e escalado pelo inverso do peso de correspondência. Isso reflete a geometria do correspondente BEV, que tipicamente resolve a posição ao longo do rumo com mais precisão do que a posição transversal ao rumo. O filtro atualiza apenas o estado de posição, preservando as estimativas de rumo derivadas da bússola e de velocidade do IMU.

6. Suavização Offline:
   Um grafo de fatores (GTSAM) executa offline para pós-processamento. Ele incorpora a mesma odometria do IMU e correções de CVGL, aumentadas por fechamentos de laço verificados geometricamente. Os fechamentos de laço são detectados com base na proximidade espacial, intervalo temporal e um teste de razão caminho-corda para distinguir revisitas reais de segmentos de estrada paralelos.

Contribuições Principais

• Primeiro Localizador Vivo de CVGL de Alta Granularidade: O TACO é o primeiro sistema a utilizar CVGL de alta granularidade como a única âncora absoluta em um localizador vivo de execução indefinida, substituindo o GNSS em tempo real por uma única correção de inicialização.
• Busca com Viés para Frente Acionada por Erro: Um mecanismo acionado por erro de IMU combinado com uma busca de cinco pontos com viés para frente garante que o correspondente opere dentro de seu raio de captura a um custo de inferência fixo e baixo.
• Portão de Consistência Geométrica: Um portão de resíduo de guinada e um modelo de ruído por correção anisotrópico garantem que apenas correções geometricamente consistentes e ponderadas por confiança sejam admitidas no estimador de estado.

Resultados

O sistema foi avaliado no benchmark de odometria KITTI (oito sequências) usando uma única GPU de consumo (RTX 3090).

• Precisão: No grupo representativo de sequências (dirigidas urbanas com curvas), o TACO reduziu o Erro de Trajetória Absoluta (ATE) mediano de 97,0 m (apenas IMU) para 16,3 m, uma redução de 5,9×. Ele superou outras bases de sensores mínimos (DROID-SLAM, DPVO) em todas as sequências representativas.
• Limitação de Deriva: Enquanto o erro apenas IMU crescia superlinearmente com a distância, o TACO manteve um envelope de erro limitado (aproximadamente 30 m) em trajetórias de vários quilômetros.
• Eficiência: O sistema opera com um ciclo de trabalho de CVGL de apenas 5–10% (câmera ativa apenas durante os gatilhos). O custo de fusão por quadro é < 0,1 ms, e o custo total de GPU é de 2,0–4,1 segundos de GPU por 100 m, uma ordem de magnitude menor do que localizadores auxiliados por mapas comparáveis que executam CVGL em cada quadro.
• Hardware: O sistema executa em tempo real em uma única RTX 3090 com uso de ~1,5 GB de VRAM, sugerindo viabilidade para implantação em módulos embarcados como Jetson Orin.

Significado e Alegações

O artigo afirma que o TACO demonstra a viabilidade de usar CVGL de alta granularidade não apenas como uma ferramenta de recuperação "one-shot", mas como o sinal de correção absoluta primário em um loop de fusão de sensores para veículos terrestres em movimento. Ao acoplar rigidamente a estimativa de posição morta do IMU com atualizações esparsas e acionadas de CVGL, o TACO alcança localização sem deriva, sem mapa e sem GNSS usando apenas sensores padrão na maioria das plataformas autônomas externas.

Os autores enfatizam que essa abordagem resolve o problema da "primeira travessia" em terrenos não mapeados sem exigir LiDAR caro, mapas pré-construídos ou comunicação externa contínua. A capacidade do sistema de manter erro limitado em tempos de execução indefinidos usando uma única correção inicial de GNSS representa um passo significativo em direção à autonomia robusta em ambientes com negação de GNSS. O artigo nota modestamente que melhorias adicionais de precisão são limitadas pela espinha dorsal subjacente de CVGL (FG2) e não pela própria arquitetura de fusão.