Tecnologias principais
Métodos acústicos e mecânicos
Os sistemas de posicionamento acústico utilizam ondas sonoras que se propagam através de meios como a água para determinar as posições relativas dos objetos, aproveitando o princípio do tempo de chegada, onde a distância ddd entre um transmissor e um receptor é calculada como d=vΔtd = v \Delta td=vΔt, com vvv como a velocidade do som e Δt\Delta tΔt como o tempo de propagação. Na água do mar, vvv se aproxima de 1.500 m/s, permitindo alcance confiável em distâncias adequadas para ambientes subaquáticos.[92] Esses sistemas são particularmente eficazes onde os sinais eletromagnéticos se atenuam rapidamente, como em operações submarinas.[93]
Os sistemas de linha de base ultracurta (USBL), desenvolvidos na década de 1980, integram um conjunto compacto de transdutores em uma embarcação ou veículo para medir diferenças de fase para rumo e tempo de voo para alcance de um transponder no alvo, alcançando precisões de posicionamento de 0,5-1% do alcance inclinado em implantações típicas. Os sistemas de linha de base longa (LBL), em contraste, empregam uma rede de três ou mais transponders do fundo do mar formando uma matriz de linha de base calibrada, onde o veículo interroga cada um sobre os tempos de viagem de ida e volta para trilaterar sua posição em relação à matriz, oferecendo maior precisão (nível centimétrico) em áreas maiores, mas exigindo calibração prévia do transponder. Ambas as abordagens dependem de transponders acústicos que respondem a pulsos de interrogação, com linhas de base LBL abrangendo centenas de metros para uma geometria robusta em águas profundas.[96]
Os métodos de posicionamento mecânico dependem de ligações físicas ou estruturas articuladas para restringir e medir o movimento diretamente, proporcionando precisão determinística sem depender da propagação das ondas. As máquinas de medição por coordenadas (CMMs), lançadas na década de 1950 por Ferranti na Escócia, usam braços articulados rígidos com sondas de toque para mapear pontos no espaço tridimensional por meio de codificadores conjuntos, permitindo precisão submilimétrica para inspeção de peças na fabricação. Os goniômetros estendem isso para domínios angulares, empregando mecanismos articulados com juntas rotacionais para posicionar objetos em torno de um eixo fixo, muitas vezes alcançando resoluções abaixo de 0,1 graus por meio de ligações de engrenagem ou de acionamento direto para aplicações como alinhamento óptico.
Nas aplicações, os sistemas acústicos apoiam a navegação submarina através da integração de sonar, onde pings ativos de matrizes montadas no casco detectam e localizam ameaças ou terreno usando retornos de eco processados em tempo real.[99] Os métodos mecânicos sustentam os braços robóticos na fabricação, onde a cinemática da ligação serial permite o posicionamento preciso do efetor final para tarefas de montagem, como visto em manipuladores industriais com seis graus de liberdade. As integrações híbridas ocasionalmente combinam acústica com sensores inerciais para ampliar a mobilidade em cenários subaquáticos dinâmicos.[101]
As principais limitações incluem a atenuação do sinal acústico no ar, onde a absorção pelos gases atmosféricos restringe o alcance a dezenas de metros em frequências audíveis, tornando estes sistemas impraticáveis para uso aéreo.[93] As abordagens mecânicas sofrem com o desgaste nas juntas e ligações ao longo de ciclos repetidos, potencialmente degradando a precisão, a menos que sejam mitigadas por materiais de baixo atrito ou manutenção periódica.[102]
Métodos de tempo de voo e baseados em fase
Os métodos de tempo de voo (ToF) determinam a posição medindo o tempo que um sinal leva para viajar de um transmissor até um receptor e vice-versa, permitindo o cálculo da distância por meio da velocidade conhecida do sinal no meio. Em sistemas eletromagnéticos, isso normalmente envolve ondas de rádio ou de luz, onde o tempo de ida e volta ttt produz a distância d=c⋅t2d = \frac{c \cdot t}{2}d=2c⋅t, com ccc como a velocidade da luz para propagação sem fio. Os sistemas de radar, pioneiros na década de 1930 para aplicações militares, exemplificam o ToF ao emitir pulsos e detectar ecos para localizar alvos, alcançando resoluções de até metros em cenários de controle de tráfego aéreo. LiDAR, uma variante óptica que usa pulsos de laser, estende isso para alcance de alta precisão, muitas vezes alcançando precisão de nível centimétrico ao longo de quilômetros, registrando o tempo de retorno de fótons com fotodiodos de avalanche.
O alcance bidirecional em protocolos ToF, como diferença de tempo de chegada (TDoA) ou transferência de tempo bidirecional (TWTT), atenua problemas de sincronização de relógio trocando carimbos de data e hora entre dispositivos, comumente implementados em sistemas de banda ultralarga (UWB) para posicionamento de curto alcance. UWB ToF, baseado em IEEE 802.15.4a da década de 2000 e aprimorado por IEEE 802.15.4z desde 2020, usa larguras de banda superiores a 500 MHz para resolver multipercurso e obter precisão de nível centimétrico em ambientes internos. As primeiras implementações, como a série de chips DWM1000 da Decawave de meados da década de 2010, suportavam sistemas de localização em tempo real (RTLS) com precisão de tempo de picossegundos. Os métodos baseados em fase complementam o ToF explorando a mudança de fase de sinais de onda contínua, onde a diferença de fase Δϕ=2πλd\Delta \phi = \frac{2\pi}{\lambda} dΔϕ=λ2πd relaciona a distância ddd ao comprimento de onda λ\lambdaλ, permitindo uma resolução mais precisa do que apenas o tempo de pulso. No posicionamento de fase portadora GNSS, esta técnica interferométrica rastreia a fase do sinal portador (por exemplo, banda L1 em 1575,42 MHz) para resolução de ambiguidades, produzindo precisão milimétrica em configurações diferenciais após correção de deslizamento de ciclo.
Altímetros de fase, implantados em satélites como o Seasat da NASA desde 1978, medem a altura da superfície do mar por meio de retornos de fase de radar, fornecendo dados de topografia global com precisão vertical de 10-20 cm, analisando a fase deslocada por Doppler dos sinais refletidos da banda Ku. Nas aplicações, os métodos ToF e de fase suportam o posicionamento de drones por meio de âncoras UWB para evitar obstáculos, alcançando precisão horizontal de 10 cm em enxames, conforme testes de campo de 2020. O radar automotivo nas bandas de 77 GHz, amplamente adotado na Europa para sistemas avançados de assistência ao motorista (ADAS) desde o início de 2020, usa variantes ToF de onda contínua modulada em frequência (FMCW) para detectar veículos de até 200 m com resolução de 4 cm, apesar do multipercurso veicular causado pelo congestionamento da estrada. A precisão depende do tempo de picossegundo a nanossegundos, traduzindo-se em resolução espacial de 3 cm a 30 cm, embora a propagação multipercurso em ambientes urbanos possa degradar o desempenho em até 50% sem mitigação como formação de feixe.
Detecção de campo inercial e direto
A detecção inercial constitui a base de sistemas de posicionamento independentes que dependem de medições internas de movimento sem referências externas. Esses sistemas, conhecidos como sistemas de navegação inercial (INS), empregam acelerômetros para medir a aceleração linear e giroscópios para detectar a velocidade angular, permitindo o cálculo da posição, velocidade e orientação em relação a um estado inicial conhecido. O princípio central envolve a integração de dados de aceleração para derivar a velocidade e realizar uma segunda integração para obter a posição, conforme expresso pelas relações v=∫a dtv = \int a , dtv=∫adt e p=∫v dtp = \int v , dtp=∫vdt, onde aaa é aceleração, vvv é velocidade e ppp é posição; os dados giroscópicos garantem que essas integrações ocorram no quadro de navegação correto, rastreando as mudanças de atitude.[104] As implementações modernas geralmente utilizam sensores de sistemas microeletromecânicos (MEMS), que são compactos e econômicos, como visto em smartphones, onde acelerômetros e giroscópios de três eixos permitem rastreamento básico de movimento para aplicações como realidade aumentada e monitoramento de condicionamento físico.
As principais configurações do INS incluem sistemas de amarração, onde os sensores são rigidamente fixados ao veículo sem cardan, um conceito desenvolvido na década de 1960 para aeronaves para reduzir a complexidade mecânica e melhorar a confiabilidade por meio do cálculo digital de matrizes de orientação. Para aplicações de pedestres, o cálculo da distância morta de pedestres (PDR) adapta a detecção inercial detectando passos por meio de picos de aceleração de passos, estimando o comprimento do passo (normalmente em torno de 0,7 m) com base em modelos específicos do usuário e calculando a direção a partir de dados do giroscópio para atualizar a posição de forma incremental. Esses métodos fornecem autonomia de curto prazo, mas sofrem com o acúmulo de erros devido a distorções e ruídos do sensor; por exemplo, o desvio não compensado do giroscópio pode levar a erros de orientação que se propagam quadraticamente nas estimativas de posição.[103]
Para mitigar erros, o INS incorpora a sintonia Schuler, que compensa o campo gravitacional e a curvatura da Terra ajustando o sistema para oscilar na frequência Schuler (aproximadamente 84 minutos), modelando a plataforma como um pêndulo hipotético com comprimento igual ao raio da Terra para manter o alinhamento horizontal durante o movimento. Apesar de tais correções, as taxas de desvio em INS baseados em MEMS de baixo custo normalmente variam de 1 a 10 km/h, limitando a operação autônoma a minutos antes de uma divergência significativa da posição real.[103]
A detecção direta de campo complementa os métodos inerciais, aproveitando gradientes ambientais locais para obter dicas de posicionamento absoluto. O mapeamento geomagnético explora variações espaciais no campo magnético da Terra, que são distorcidas em ambientes fechados por estruturas como vigas de aço, criando impressões digitais únicas mensuráveis por magnetômetros; o posicionamento é obtido combinando leituras de campo em tempo real com um mapa pré-levantado usando algoritmos como filtros de partículas ou correspondência de vizinho mais próximo, produzindo precisões de 0,8–1,5 m em ambientes internos típicos.[109] Gradiômetros de campo elétrico, embora menos comuns, detectam gradientes em campos elétricos ambientais ou induzidos para navegação especializada, como em ambientes subaquáticos onde detectam distorções de condutores próximos para auxiliar na localização sem sinais acústicos.[110]
Métodos ópticos e magnéticos
Os sistemas de posicionamento óptico utilizam câmeras para capturar características visuais do ambiente ou marcadores artificiais, permitindo uma localização precisa através de técnicas de processamento de imagem. Métodos baseados em câmeras, como localização e mapeamento simultâneos (SLAM), dependem da correspondência de recursos para estimar a pose relativa de um dispositivo, rastreando pontos-chave entre quadros, muitas vezes alcançando precisão de subcentímetros em configurações controladas.[113] A fotogrametria estende isso reconstruindo posições 3D a partir de múltiplas imagens 2D, comumente usadas para mapeamento e estimativa de pose em robótica.[114] Os LED fiduciais aumentam a confiabilidade em ambientes internos, fornecendo marcadores ativos e detectáveis que as câmeras podem identificar para posicionamento absoluto, com sistemas demonstrando precisões em torno de 8 mm em cenários dinâmicos.[115]
Um algoritmo central na estimativa de pose óptica é o método Perspective-n-Point (PnP), que resolve a rotação e translação da câmera, dadas as correspondências entre os pontos do objeto 3D e suas projeções de imagem 2D. O problema é formulado como encontrar os parâmetros de transformação R\mathbf{R}R e t\mathbf{t}t que minimizam o erro de reprojeção:
onde ui\mathbf{u}_iui são pontos de imagem observados, Xi\mathbf{X}_iXi são pontos 3D e K\mathbf{K}K é a matriz intrínseca da câmera; soluções como P3P lidam com casos mínimos com três pontos para computação eficiente.[116] Esta abordagem sustenta aplicações em tempo real, refinando iterativamente as estimativas de pose.
O posicionamento magnético aproveita distorções no campo geomagnético da Terra ou campos eletromagnéticos gerados para rastreamento, especialmente em ambientes onde os métodos visuais falham. Sistemas como os desenvolvidos por Polhemus no final dos anos 1960 e 1970 foram pioneiros no rastreamento de distorção de campo usando sensores eletromagnéticos para determinar posições de 6 graus de liberdade, com aplicações iniciais no rastreamento de capacetes militares. A determinação de rumo baseada em bússola combina magnetômetros triaxiais para calcular a orientação em relação ao norte magnético, calibrada para levar em conta distorções e inclinação locais.[118] Os mapas magnéticos internos registram previamente anomalias geomagnéticas como impressões digitais, combinando leituras de sensores em tempo real com esses mapas para localização sem infraestrutura adicional.[119]
Sistemas integrados, como o ARKit da Apple lançado em 2017, fundem dados visuais-inerciais para rastreamento robusto, combinando recursos de câmera com entradas de acelerômetro e giroscópio para obter posicionamento livre de desvios em contextos de realidade aumentada. Em aplicações como robótica e realidade virtual (VR), esses métodos ópticos e magnéticos permitem navegação e interação precisas, com precisões típicas de 1 a 10 cm na linha de visão ou em áreas mapeadas; por exemplo, configurações de captura de movimento em espaços de trabalho usam marcadores ópticos para rastreamento de VR submilimétrico. No entanto, os sistemas ópticos sofrem com a dependência de iluminação e oclusões consistentes, potencialmente degradando o desempenho em cenas com pouca luz ou desordenadas, enquanto as abordagens magnéticas são suscetíveis à interferência de estruturas metálicas, causando perturbações de campo que reduzem a precisão.[121]
Abordagens híbridas e emergentes
Os sistemas de posicionamento híbrido integram vários sensores para aumentar a precisão e a confiabilidade, superando as limitações de tecnologias individuais por meio de técnicas de fusão de sensores. Um exemplo proeminente é a fusão de Sistemas Globais de Navegação por Satélite (GNSS) com Sistemas de Navegação Inercial (INS), muitas vezes empregando filtros de Kalman para estimar estados de posição, combinando posições derivadas de satélite com medições inerciais. Nesta abordagem, o filtro de Kalman prevê o vetor de estado xk\mathbf{x}_kxk na etapa de tempo kkk usando o modelo de transição xk=Fxk−1+w\mathbf{x}k = F \mathbf{x}{k-1} + \mathbf{w}xk=Fxk−1+w, onde FFF é a matriz de transição de estado e w\mathbf{w}w é o ruído do processo, seguido por uma atualização etapa que incorpora observações GNSS para corrigir a deriva.[122] Este método é particularmente eficaz para veículos terrestres, proporcionando navegação robusta em ambientes com desafios de GNSS, como desfiladeiros urbanos.[123]
A fusão multimodal amplia isso combinando diversos sinais, como impressões digitais Wi-Fi com alcance de banda ultralarga (UWB), para obter transições perfeitas entre ambientes internos e externos. A saída de coordenadas unificadas é habilitada pela configuração da plataforma de posicionamento para converter automaticamente coordenadas internas locais de sistemas UWB, Bluetooth ou LoRa em um sistema abrangente de coordenadas globais ou de instalações por meio de relacionamentos de mapeamento, incluindo deslocamentos e rotações alinhadas à origem de cada área interna; isto apoia a gestão de “um mapa” para uma supervisão integrada.[124] Por exemplo, redes neurais recorrentes podem fundir dados de Wi-Fi, Unidade de Medição Inercial (IMU) e UWB, alinhando estados ocultos de cada modalidade, produzindo precisão submétrica em ambientes internos complexos.[125] As implementações no mundo real incluem o Fused Location Provider do Android, que agrega de forma inteligente dados de GNSS, Wi-Fi, celular e sensores para fornecer estimativas de localização otimizadas com consumo mínimo de bateria, priorizando as fontes mais apropriadas com base no contexto.[126] Em veículos autônomos, sistemas como o da Waymo integram LiDAR para mapeamento preciso com radar para detecção de condições meteorológicas adversas, usando fusão probabilística para manter a localização durante manobras dinâmicas.[127] Para ambientes de túneis negados por GNSS, técnicas de fusão multissensor empregando IMU, LiDAR e métodos visuais permitem um posicionamento confiável de veículos, conforme revisado em "Sistemas de posicionamento de veículos em ambientes de túneis: uma revisão".
Abordagens emergentes aproveitam redes avançadas e novos paradigmas de detecção para posicionamento de próxima geração. O GNSS assistido (A-GNSS) em redes 5G utiliza infraestrutura celular para acelerar a aquisição de sinais de satélite e mitigar erros de multipercurso, permitindo precisão centimétrica em áreas urbanas por meio da integração híbrida 5G-GNSS. Os conceitos emergentes para 6G visam melhorar ainda mais isso. Os magnetômetros quânticos, explorando sensibilidades de spin atômico, oferecem navegação magnética livre de desvios em ambientes negados por GNSS, alcançando erros de posicionamento até 46 vezes melhores do que o INS tradicional, combinando mapas geofísicos com medições garantidas por quantum. O posicionamento preditivo baseado em IA os aprimora ainda mais, empregando modelos de aprendizado de máquina, como redes neurais profundas, para prever trajetórias e refinar estimativas em tempo real, especialmente em sistemas 5G, onde a IA otimiza o posicionamento direto em condições fora da linha de visão.[130]