[논문 리뷰] Run Your Visual-Inertial Odometry on NVIDIA Jetson: Benchmark Tests on a Micro Aerial Vehicle

Jinwoo Jeon, Sungwook Jung외 3명|arXiv (Cornell University)|2021. 03. 02.

Robotics and Sensor-Based Localization참고 문헌 36인용 수 6

한 줄 요약

이 논문은 NVIDIA Jetson TX2, Xavier NX, 그리고 AGX Xavier 플랫폼에서 도전적인 회전 운동 궤적을 포함한 새로운 KAIST VIO 데이터셋을 사용하여 단안, 스테레오, IMU 보강형 10종의 시각-자이로스코픽 오도메트리(VIO) 알고리즘을 벤치마킹한다. 주요 발견 결과로는, GPU 가속을 통해 VINS-Fusion-gpu가 TX2에서 가장 우수한 성능을 보였으며, AGX Xavier는 모든 알고리즘에서 뛰어난 정확도를 보였고, 특히 순수 회전 시나리오에서 두드러졌다.

ABSTRACT

This paper presents benchmark tests of various visual(-inertial) odometry algorithms on NVIDIA Jetson platforms. The compared algorithms include mono and stereo, covering Visual Odometry (VO) and Visual-Inertial Odometry (VIO): VINS-Mono, VINS-Fusion, Kimera, ALVIO, Stereo-MSCKF, ORB-SLAM2 stereo, and ROVIO. As these methods are mainly used for unmanned aerial vehicles (UAVs), they must perform well in situations where the size of the processing board and weight is limited. Jetson boards released by NVIDIA satisfy these constraints as they have a sufficiently powerful central processing unit (CPU) and graphics processing unit (GPU) for image processing. However, in existing studies, the performance of Jetson boards as a processing platform for executing VO/VIO has not been compared extensively in terms of the usage of computing resources and accuracy. Therefore, this study compares representative VO/VIO algorithms on several NVIDIA Jetson platforms, namely NVIDIA Jetson TX2, Xavier NX, and AGX Xavier, and introduces a novel dataset 'KAIST VIO dataset' for UAVs. Including pure rotations, the dataset has several geometric trajectories that are harsh to visual(-inertial) state estimation. The evaluation is performed in terms of the accuracy of estimated odometry, CPU usage, and memory usage on various Jetson boards, algorithms, and trajectories. We present the {results of the} comprehensive benchmark test and release the dataset for the computer vision and robotics applications.

연구 동기 및 목표

• 자기비행체(UAV)에 적합한 자원 제약이 있는 Jetson 플랫폼에서 최신 시각-자이로스코픽 오도메트리(VIO) 알고리즘의 성능 평가.
• 정확도, CPU 사용량, 메모리 소비 측면에서 Jetson 보드에서 VO/VIO 알고리즘에 대한 종합적인 벤치마킹 부족 문제 해결.
• 강력한 VIO 평가를 위한 도전적인 회전 궤적(예: 순수 회전, 고속 전환)을 포함한 새로운 KAIST VIO 데이터셋 제작.
• 계산 자원 제약과 운동 특성에 기반한 UAV 시스템에서 최적의 알고리즘-플랫폼 조합 선택을 위한 실용적 지침 제공.
• 하드웨어 차이(예: TX2, NX, AGX Xavier)가 고역동성 및 고도로 회전하는 시나리오에서 VIO 성능에 미치는 영향을 입증.

제안 방법

• 10종의 VO/VIO 알고리즘(VINS-Mono, ROVIO, ALVIO(단안), ORB-SLAM2(스테레오), VINS-Fusion(이중 및 단일 IMU 포함), VINS-Fusion-gpu, Stereo-MSCKF, Kimera(스테레오-VIO))에 대한 종합적 벤치마킹 수행.
• 정확도, CPU 사용량, 메모리 소비 측정을 위해 세 가지 Jetson 플랫폼(TX2, Xavier NX, AGX Xavier)에서 모든 알고리즘 평가.
• 원형, 무한대, 정사각형, 순수회전의 네 가지 기하학적 궤적을 포함한 KAIST VIO 데이터셋을 설계 및 수집하며, 정상 속도 및 고속 주행 조건에서 머리 회전을 포함.
• 운동 캡처 시스템을 사용해 참값을 확보하여, 도전적인 회전 시나리오에서 오도메트리 오차를 정밀하게 평가.
• 모든 테스트에서 동일한 하드웨어, 센서 구성(이86 Intel Realsense D435i, Pixhawk4 mini), 비행 조건을 사용한 통일된 실험 설정 구현.
• 특히 고속 및 회전 운동 하에서의 변위 오차 및 요 오차 변동성을 중심으로 플랫폼 및 알고리즘 간 오차 차이에 대한 통계 분석 수행.

실험 결과

연구 질문

• RQ1 Jetson TX2, Xavier NX, AGX Xavier 플랫폼에서 다양한 VO/VIO 알고리즘이 정확도, CPU 사용량, 메모리 소비 측면에서 어떻게 성능을 내는가?
• RQ2 자원 제약이 있는 자기비행체(UAV)에서 계산 효율성과 추정 정확도 사이의 최적 트레이드오프를 달성하는 알고리즘-플랫폼 조합은 무엇인가?
• RQ3 특히 순수 회전 및 고속 전환과 같은 회전 운동은 VO/VIO 알고리즘의 성능에 어떤 영향을 미치는가?
• RQ4 GPU 가속은 TX2와 같은 저사양 Jetson 보드에서 VIO 성능을 얼마나 향상시키는가?
• RQ5 Jetson 플랫폼 간 CPU 및 GPU 성능 차이가 스테레오 및 단안 VIO 방법의 안정성과 정확도에 어떤 영향을 미치는가?

주요 결과

• TX2 플랫폼에서 VINS-Fusion-gpu는 GPU 가속 덕분에 제한된 CPU 성능을 상쇄하여 순수 회전 궤적에서 가장 뛰어난 성능을 보였다.
• 순수 회전 시퀀스에서는 VINS-Fusion-imu와 VINS-Fusion-gpu가 표준 VINS-Fusion보다 낮은 오차를 보였으며, 이는 고역동성 운동에서 IMU 통합의 중요성을 입증한다.
• ROVIO와 ALVIO는 모든 Jetson 플랫폼에서 성능 변화가 최소였으며, 이는 저자원 환경에서 잘 최적화되어 있음을 시사한다.
• 스테레오 기반 알고리즘(ORB-SLAM2, Stereo-MSCKF, Kimera)은 CPU 전용 처리 및 프레임당 처리 시간이 제한되어 있어 TX2에서 단안 방법보다 더 높은 오차를 보였다.
• Xavier NX와 AGX Xavier에서는 향상된 CPU 및 메모리 성능 덕분에 스테레오 VIO 방법이 단안 방법을 능가했으며, AGX Xavier는 모든 알고리즘에서 가장 낮은 총 오차를 기록했다.
• KAIST VIO 데이터셋의 순수 회전 시퀀스는 VIO 추정의 취약점을 효과적으로 드러내었으며, 특히 강력한 IMU 통합 또는 GPU 가속이 없는 알고리즘에서 두드러졌다.