MEKAWIRE
进阶arXiv

Raspberry Pi 5实测揭示RTAB-Map与ORB-SLAM3的速度及跟踪差异

Himanshu Patil, Jaideep Joshi, Rohit Saluja, Ganesh Ramakrishnan
30 秒速读

这篇预印本在Raspberry Pi 5上比较了RTAB-Map与ORB-SLAM3的RGB-D SLAM表现。ORB-SLAM3处理更快,但达到至少95%跟踪覆盖率的运行次数为9/18,RTAB-Map为12/18。结果为机载计算平台选型提供了依据,也显示运行配置和跟踪连续性需要共同评估。

研究问题

在Raspberry Pi 5上改变RGB-D输入分辨率后,RTAB-Map与ORB-SLAM3的跟踪连续性、轨迹精度和计算成本有何差异?

问题

室内微型无人机需要在无GPS条件下定位,载荷和功耗又限制了机载计算资源。现有RGB-D SLAM在ARM板卡上的系统性测量仍然不足。降低分辨率可能导致跟踪中断,而失败运行因减少建图工作、仅保留容易跟踪的轨迹段,可能同时呈现更短耗时和更低误差。

既有方法

RTAB-Map采用图式建图,并支持配置内存预算。ORB-SLAM3筛选关键帧,将跟踪、局部建图和闭环检测分配到并行线程。此前Raspberry Pi 5研究仅评估ORB-SLAM3,其他硬件上的对比则使用不同传感器和更新频率,难以直接支撑该板卡的选型。

新方法

研究贡献是统一基准测试和计算剖析。作者在6条TUM RGB-D记录序列上,以640 x 480、320 x 240和160 x 120测试RTAB-Map 0.23.13与ORB-SLAM3 1.0,每套系统完成18次主要运行。Raspberry Pi 5配备4个2.4 GHz Cortex-A76核心、16 GB内存及Active Cooler。RTAB-Map处理并保留每一帧,工作内存不设上限,其数据集工具串行执行里程计与建图。ORB-SLAM3选择性保留关键帧,并行执行建图。作者结合阶段计时与Linux perf定位瓶颈。

结果

以95%覆盖率为门槛,RTAB-Map成功跟踪12/18次运行,ORB-SLAM3为9/18。合并fr1_xyz与fr2_desk后,D1/D2/D4端到端耗时分别为RTAB-Map每帧462.3/317.8/150.2 ms、ORB-SLAM3每帧61.9/42.2/26.1 ms。ORB-SLAM3在fr2_desk的D4覆盖率仅为76%,但在fr1_xyz保持完整跟踪,每帧耗时25.7 ms。fr2_desk的D4剖析中,RTAB-Map里程计平均每帧44.9 ms,图优化38.6 ms。ORB-SLAM3跟踪平均每帧13.7 ms,并行线程中的局部束调整平均每次执行84.4 ms。fr2_desk的D1进程峰值内存为RTAB-Map 2295 MB、ORB-SLAM3 755 MB。两套系统均未发生热降频。测试是在实体板卡上回放记录数据,精度排名尚无定论。

局限

研究仅使用一块板卡和记录数据,未验证实时传感器输入下的机器人运行或飞行。大多数条件只运行一次,每套系统仅有两个条件各重复三次,RTAB-Map的ATE变异系数最高达27%。RTAB-Map默认1 Hz后端、并发部署及受限内存模式均未测量。两套系统在节点选择、线程安排、占据栅格生成和降采样范围上存在差异。ORB-SLAM3使用-O2构建,未启用-march=native。两者均未校正镜头畸变,fr2深度除数采用5000,替代其默认5208。电源欠压标志也增加了ORB-SLAM3 D1计时的不确定性。

产业影响

室内无人机和移动机器人开发商现在可用这些结果初筛ARM计算平台与SLAM配置。产品采用前,需要验证实时传感器运行、重复测量精度,并测试符合产品需求的帧保留策略、内存预算和并发执行方式。商业部署时间表,论文未报告。

论文全文

本文依据 CC BY 4.0 许可发布,全文经署名以英文转载:阅读全文(英文)。原文见 arXiv:2611.16472(PDF)。