- 现有**跨视角地理定位(Cross-View Geo-localisation, CVGL)** 细粒度方法仅作为一次性定位器，从未在实时管道中作为主要定位手段
- **惯性测量单元(Inertial Measurement Unit, IMU)** 提供高帧率相对运动，但累积无界漂移，缺少绝对锚点
- 在GNSS信号被遮挡、干扰或欺骗的场景下，需要一种低成本、高精度的替代定位方案
- 提出**TACO**，一个紧耦合IMU+细粒度CVGL管道，启动时仅需一次GNSS读数，之后完全依赖机载传感器
- 设计**闭环跨轨误差模型(closed-form cross-track error model)**，在IMU漂移超过匹配器捕获半径前触发CVGL修正
- 采用**前向偏置五点多裁剪搜索(forward-biased five-point multi-crop search)**，每次修正仅需5次前向传播，保持推理成本固定
- 引入**偏航残差门(yaw-residual gate)** 拒绝与车载罗盘不一致的修正，并使用**各向异性体框架噪声模型(anisotropic body-frame noise model)** 为每次无迹卡尔曼滤波更新缩放置信度
- 构建**因子图(factor graph)** 结合经过验证的闭环，提供离线平滑轨迹
- **首次将细粒度CVGL作为实时管道的主要定位修正**，与IMU紧耦合，克服了先前方法仅作为一次性定位器的局限
- **闭环触发机制**：通过解析跨轨误差模型主动触发CVGL，在漂移超出捕获半径前进行修正，避免了无效匹配
- **固定计算成本搜索**：前向偏置五点多裁剪搜索将每次修正的推理成本限制在5次前向传播，适用于实时系统
- **置信度感知融合**：各向异性体框架噪声模型将每个修正的置信度融入UKF更新，提高了融合的鲁棒性
- 提出了一种完整、可运行的紧耦合IMU+CVGL管道，在KITTI raw数据集上将中位**绝对轨迹误差(Absolute Trajectory Error, ATE)** 从97.0m降至16.3m（降低5.9倍）
- 实现了极低的计算开销：每帧融合成本<0.1ms，相机工作周期仅5-10%，适合资源受限平台
- 开源代码（github.com/tavisshore/TACO）促进了社区复现和后续研究，为**视觉-惯性-卫星(visual-inertial-satellite)融合** 提供了新范式