Creo que la única forma realista de resolver esto sin componentes y subsistemas exóticos (y caros) es con cámaras y visión artificial. Sin embargo, eso no será fácil, el procesamiento de la imagen no es trivial, requerirá una calibración cuidadosa y 10 mm aún es un poco demasiado agresivo.
Hay sistemas que funcionan en este principio. Uno que viene a la mente es la captura de movimiento de actores en vivo. Por lo general, usan trajes especiales con parches reflectantes y, a veces, emisivos, en puntos clave como las articulaciones. Cada cámara captura el ángulo 2D en un montón de parches en cada fotograma, y un software bastante elegante en procesadores potentes une todos estos ángulos para encontrar la ubicación 3D de los parches.
Una vez más, creo que la precisión de 10 mm dentro de un cubo de 100 m está fuera del alcance, pero quizás todavía sea lo suficientemente buena.
Este método es complicado, costoso y probablemente no es lo suficientemente preciso, pero todo lo demás será aún más complicado y probablemente más caro, a menos que seas la NASA o el ejército.