docs: integrate LOCAL_DECISIONS into LOCAL_EXECUTION_PLAN

docs-Lokal/LOCAL_EXECUTION_PLAN.md

@@ -0,0 +1,121 @@
+# Локальний план виконання (gps-denied-onboard)
+
+**Призначення:** поетапна реалізація сервісу геолокалізації знімків БПЛА за спеками у цьому репозиторії.  
+**Режим роботи:** ведеться розробка у гілці `stage1` з пушами в репозиторій.  
+**Опорні документи:** `docs/00_problem/`, `docs/01_solution/`, `docs/02_components/`, `docs/03_tests/`.
+
+---
+
+## 1. Цілі та критерії успіху
+
+- Відтворити архітектуру ASTRAL-Next / гібрид VO + кросс-вью + фактор-граф згідно з `decomposition_plan.md`.
+- Досягти приймальних критеріїв з `acceptance_criteria.md` (точність, стійкість до виїздів/виражів, <5 с на кадр на цільовій GPU, REST + SSE).
+- Покрити інтеграційні та приймальні сценарії з `docs/03_tests/` по мірі готовності компонентів.
+
+---
+
+## 2. Затверджені архітектурні рішення (LOCAL DECISIONS)
+
+Замість відкритих питань ми зафіксували наступний стек для локального прототипу:
+
+1. **Джерело супутникових карт:** `Google Maps API` (з імплементацією патерну Strategy для легкої заміни в майбутньому).
+2. **Математичний оптимізатор (Factor Graph):** `GTSAM (Python Bindings)` для уникнення C++ збірки на етапі MVP та збереження єдиного Python-процесу.
+3. **БД та Черги:** `SQLite` (ресурсна економія, жодних фонових контейнерів) та `asyncio.Queue` для In-Memory SSE стрімінгу замість Redis.
+4. **Формат ground-truth / Ваги:** Вимагає ручного завантаження тестових наборів та вагів моделей до локальних папок (Етап 0.5).
+
+---
+
+## 3. Необхідні ресурси
+
+### 3.1. Апаратне
+- ПК або ноутбук з **NVIDIA GPU** (мінімум RTX 2060, бажано 8+ ГБ VRAM).
+- **RAM:** 32 ГБ бажано.
+- **Диск:** десятки ГБ під кеш тайлів та ваги моделей.
+
+### 3.2. Програмне
+- **OS:** Linux з драйверами NVIDIA + CUDA.
+- **Python 3.11+**, віртуальне середовище (venv/uv).
+- **Git** — робота в гілці `stage1`.
+
+---
+
+## 4. Рекомендований стек
+
+| Шар | Технологія |
+|-----|------------|
+| API | FastAPI, Pydantic v2 |
+| Стрим | SSE (наприклад, sse-starlette) |
+| CV/DL | PyTorch |
+| Граф поз | GTSAM (Python) |
+| БД | SQLite + SQLAlchemy 2 + Alembic |
+| Контейнери | (опційно для SQLite) |
+
+---
+
+## 5. Поетапний план виконання (детально)
+
+### Етап 0 — Ініціалізація репозиторію коду (локально)
+- Створити структуру пакета, `pyproject.toml`, залежності.
+- Налаштувати `.gitignore`: `.env`, `data/`, `weights/`, `__pycache__`, `*.db`.
+- **Перевірка:** порожній сервіс запускається, health endpoint працює.
+
+### Етап 0.5 — Підготовка даних та моделей (Data Provisioning)
+- **Токени:** Зафіксувати Google Maps API key у `.env`.
+- **Дані:** Завантажити тестові зображення у папку `data/test_flights`.
+- **Ваги:** Завантажити ваги SuperPoint, LightGlue, LiteSAM локально в `weights/`.
+
+### Етап 1 — Конфігурація та доменні моделі
+- Реалізувати завантаження конфігів з env + YAML.
+- Pydantic-схеми: Flight, Waypoint, ImageBatch, події SSE.
+
+### Етап 2 — База даних полёту
+- SQLite БД: міграції (flights, waypoints, frame results, chunk state).
+- Репозиторії / DAO під інтерфейс `IFlightDatabase`.
+
+### Етап 3 — REST API + завантаження батчів
+- Endpoints: створення полёту, завантаження батчу зображень (мультипарт).
+
+### Етап 4 — SSE та менеджер результатів
+- Підписка на події по `flight_id` через `asyncio.Queue` (віддача проміжних та уточнених поз).
+
+### Етап 5 — Супутникові тайли та координати (Google Maps)
+- Клієнт Google Maps тайлів, локальний кеш.
+- Coordinate transformer: піксель ↔ WGS84.
+
+### Етап 6 — Черга зображень і ротації
+- FIFO батчів, менеджер ротацій для кросс-вью.
+
+### Етап 7 — Model manager та послідовний VO
+- Завантаження локальних вагів (SuperPoint+LightGlue), побудова ланцюжка відносних оцінок.
+
+### Етап 8 — Глобальне місце та метричне уточнення
+- Кросс-вью вирівнювання до тайла Google Maps.
+
+### Етап 9 — Фактор-граф і чанки (GTSAM)
+- Побудова чинників (відносні VO + абсолютні якорі). Оптимізація траєкторії через GTSAM.
+
+### Етап 10 — Повний цикл обробки
+- Оркестрація: `process_frame`, асинхронне доуточнення через SSE після зміни графа.
+
+### Етап 11 — Приймальні тести та продуктивність
+- Прогін AC-сценаріїв, замір швидкодії (<5с/кадр).
+
+### Етап 12 — Локальна експлуатація
+- Документація локального запуску, README.md.
+
+---
+
+## 6. Залежності між етапами
+```
+0 → 0.5 → 1 → 2 → 3 → 4
+                  ↘ 5 → 6 → 7 → 8 → 9 → 10 → 11 → 12
+```
+
+---
+
+## 7. Резюме
+| Що | Зміст |
+|----|--------|
+| **Рішення** | Google Maps (Карти), GTSAM Python (Граф), SQLite (БД). |
+| **Етапи** | 0–12: Від ініціалізації до готових AC-метрик (з урахуванням підготовки даних в 0.5). |
+| **Гілка** | `stage1` з повноцінною роботою та комітами. |