다양한 플랫폼에서 ROS 2 기반 실시간 객체 탐지 시스템 최적화 연구
Cross-Platform Optimization of ROS 2-based Real-time Object Detection Systems
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
자율주행 차량의 안전성 확보를 위해서는 실시간 객체 인식이 필수적이다. 본 연구는 ROS 2 기반 객체 탐지 서비스의 성능 향상을 위해 GStreamer기반 영상 입력, 클라이언트–서버 구조 개선, 플랫폼 최적화 추론 서버 적용의 세 가지 기법을 제안하였다. Desktop 플랫폼에서는 클라이언트–서버구조 개선만으로도 기존 방식과 대비 55% 이상의 성능 향상을 달성하였으며, Jetson Orin Nano 플랫폼에서는 세 가지 기법을 통합 적용해야기존 방식과 비교해서 총 처리 시간이 90% 이상 단축되는 효과를 보였다. 또한 CPU, 메모리, 네트워크 자원 분석을 통해 최적화 기법이 단순한지연 시간 감소뿐 아니라 시스템 효율성 개선에도 기여함을 확인하였다. 본 연구는 플랫폼 특성에 따라 요구되는 최적화 전략이 달라짐을 보여주며,특히 임베디드 환경에는 통합 최적화 접근이 필수적임을 밝혔다.
Abstract
Real-time object detection is essential for ensuring the safety of autonomous vehicles. This study proposes three optimization techniquesto improve the performance of ROS 2-based object detection services: GStreamer-based video input, client-server architectureimprovement, and platform-optimized inference server implementation. On the Desktop platform, the client-server architectureimprovement alone achieved over 55% performance enhancement compared to the baseline method. On the Jetson Orin Nano platform,the integrated application of all three techniques was required to achieve over 90% reduction in total processing time compared to thebaseline. Furthermore, through analysis of CPU, memory, and network resources, we confirmed that the optimization techniques contributenot only to latency reduction but also to overall system efficiency improvement. This study demonstrates that optimization strategiesvary depending o