Implementación y Evaluación Comparativa de Detección AprilTag (GPU vs. CPU) en Jetson Orin Nano

Implementation and Comparative Evaluation of AprilTag Detection (GPU vs. CPU) on Jetson Orin Nano

Resumen

En este trabajo se presenta una evaluación comparativa de rendimiento entre un pipeline de localización visual acelerado por GPU y uno basado en CPU, sobre una plataforma embebida Jetson Orin Nano. El sistema acelerado utiliza el framework Isaac ROS AprilTag, mientras que el sistema de referencia emplea paquetes estándar de ROS 2 (image_proc, apriltag_ros). Ambos sistemas procesaron la misma fuente de video, que es un conjunto de datos estándar r2b (rosbags). Se compararon los grafos de percepción completos, incluyendo el redimensionamiento de imagen y la detección de marcadores, se midieron métricas clave como el throughput (FPS), la latencia y la estabilidad (jitter). Los resultados cuantifican la ganancia de rendimiento obtenida mediante la aceleración por hardware, discutiendo las implicaciones para el diseño de sistemas de percepción en vehículos autónomos a escala.

This work presents a comparative performance evaluation between a GPU-accelerated visual localization pipeline and a CPU-based one, on an embedded Jetson Orin Nano platform. The accelerated system uses the Isaac ROS AprilTag framework, while the reference system employs standard ROS 2 packages (image_proc, apriltag_ros). Both systems use the same video source, a CSI camera (IMX219) with automatic settings, to ensure a fair comparison under realistic conditions. Validation was carried out reproducibly using the standard r2b (rosbags) dataset. The complete perception graphs were compared, including image resize and marker detection, measuring key metrics such as throughput (FPS), latency and stability . The results quantify the performance gain achieved through hardware acceleration, discussing the implications for the design of perception systems in scaled autonomous vehicles.