Raspberry Pi 5에서 비교한 RTAB-Map과 ORB-SLAM3의 속도와 추적 지속성
이 프리프린트는 Raspberry Pi 5에서 RTAB-Map과 ORB-SLAM3의 RGB-D SLAM 성능을 비교했다. ORB-SLAM3의 처리 시간이 짧았지만, 추적 커버리지 95% 이상을 달성한 실행은 RTAB-Map이 18회 중 12회, ORB-SLAM3가 18회 중 9회였다. 탑재 컴퓨터를 선정할 때 실행 설정과 추적 지속성을 함께 검토해야 한다는 결과이다.
Raspberry Pi 5에서 RGB-D 입력 해상도를 바꾸면 RTAB-Map과 ORB-SLAM3의 추적 지속성, 궤적 정확도와 연산 비용은 어떻게 달라지는가?
실내 소형 무인기는 GPS 없이 위치를 추정해야 하지만 탑재 중량과 전력 제약으로 컴퓨터 선택이 제한된다. ARM 보드에서 기존 RGB-D SLAM을 체계적으로 측정한 자료도 부족하다. 해상도를 낮추면 연산량이 줄지만 추적이 끊길 수 있으며, 실패한 실행은 처리 시간이 짧고 남은 구간의 오차도 작게 나타날 수 있다.
RTAB-Map은 메모리 예산을 설정할 수 있는 그래프 기반 지도 작성을 제공한다. ORB-SLAM3는 키프레임을 선별하고 추적, 지역 지도 작성, 루프 폐쇄를 병렬 스레드로 처리한다. 기존 Raspberry Pi 5 연구는 ORB-SLAM3만 평가했고, 다른 하드웨어에서의 비교는 센서와 갱신 주기가 달라 이 보드의 선택 근거로 쓰기 어려웠다.
연구진은 새로운 SLAM 알고리즘 대신 공통 벤치마크와 연산 프로파일링을 구성했다. RTAB-Map 0.23.13과 ORB-SLAM3 1.0에 TUM RGB-D 기록 시퀀스 6개를 640 x 480, 320 x 240, 160 x 120으로 입력해 시스템별 기본 실행 18회를 수행했다. 하드웨어는 Cortex-A76 코어 4개가 2.4 GHz로 동작하고 RAM 16 GB와 Active Cooler를 갖춘 Raspberry Pi 5였다. RTAB-Map은 모든 프레임을 처리하고 보존했으며 작업 메모리 상한을 두지 않았다. 데이터셋 도구는 주행 거리 추정과 지도 작성을 순차 실행했다. ORB-SLAM3는 키프레임을 선별하고 지도 작성을 병렬 처리했다. 단계별 타이머와 Linux perf로 병목을 분석했다.
커버리지 95% 기준을 충족한 실행은 RTAB-Map이 12/18회, ORB-SLAM3가 9/18회였다. fr1_xyz와 fr2_desk를 합산한 D1/D2/D4의 전체 처리 시간은 RTAB-Map이 프레임당 462.3/317.8/150.2 ms, ORB-SLAM3가 61.9/42.2/26.1 ms였다. ORB-SLAM3 D4의 fr2_desk 커버리지는 76%였지만, fr1_xyz에서는 전체 추적을 유지하며 프레임당 25.7 ms를 기록했다. fr2_desk D4에서 RTAB-Map의 주행 거리 추정은 프레임당 평균 44.9 ms, 그래프 최적화는 38.6 ms였다. ORB-SLAM3의 추적은 프레임당 평균 13.7 ms였고, 병렬 스레드의 지역 번들 조정은 실행당 평균 84.4 ms였다. fr2_desk D1의 프로세스 최대 메모리는 RTAB-Map이 2295 MB, ORB-SLAM3가 755 MB였다. 두 시스템 모두 열 스로틀링이 없었다. 기록 데이터를 실제 보드에서 재생한 평가이며, 정확도 우열은 확정하지 못했다.
단일 보드와 기록 데이터를 사용했으며 실시간 센서를 연결한 로봇이나 비행 검증은 수행하지 않았다. 대부분 조건은 한 번 실행했다. 시스템별 두 조건을 각각 세 번 반복했으며 RTAB-Map의 ATE 변동계수는 최대 27%였다. RTAB-Map의 기본 1 Hz 후단 처리, 병렬 배치와 메모리 제한 모드는 측정하지 않았다. 두 시스템은 노드 선별, 스레딩, 점유 지도 작성과 해상도 축소 적용 범위가 달랐다. ORB-SLAM3는 -march=native 없이 -O2로 빌드했다. 두 시스템 모두 렌즈 왜곡을 보정하지 않았고 fr2 깊이 값의 나눗수로 기본 5208 대신 5000을 사용했다. 전원 저전압 플래그로 ORB-SLAM3 D1 시간 측정에도 불확실성이 남았다.
실내 무인기와 이동로봇 개발사는 지금 ARM 컴퓨터와 SLAM 실행 설정을 검토하는 데 결과를 활용할 수 있다. 제품 적용에 앞서 실시간 센서 검증, 정확도 반복 측정, 제품에 맞춘 프레임 보존과 메모리 예산 설정, 병렬 실행 평가가 필요하다. 상용 배치 시점은 논문에 보고되지 않았다.
논문 전문
CC BY 4.0 라이선스로 공개된 논문으로, 전문은 출처를 밝혀 영어로 전재했습니다: 전문 보기(영어). 원문은 arXiv:2611.16472(PDF)에서 볼 수 있습니다.