Edge Computing in Photogrammetry: Performance and Trade-offs of OpenDroneMap on NVIDIA Jetson Nano

• Carlos Yan Matos Ferreira IFCE
• Gustavo F. Freitas Sampaio IFCE
• Antonio Alberi de Lima Júnior IFCE
• Murilo Oliveira Bispo IFCE
• Antonio Wendell de O. Rodrigues IFCE

DOI: https://doi.org/10.5753/erad-ne.2026.26672

Resumo

Fotogrametria digital via OpenDroneMap (ODM) exige infraestrutura de alto desempenho, restringindo análise geoespacial a centros centralizados. Este trabalho investiga se NVIDIA Jetson Nano (4 GB RAM) viabiliza processamento on-site com qualidade aceitável. Benchmark de ODM em 46 imagens aéreas (181 MB) comparando Jetson Nano versus desktop Intel Core i5 mostra: (i) slowdown 8,3x em Structure-from-Motion com degradação de 77% em densidade de pontos (1,9M vs. 8,3M); (ii) utilização GPU menor que 2% em fases custosas, indicando desalinhamento algorítmico; (iii) saturação RAM (80%) é constrangimento primário, não térmico. Jetson Nano é viável para inspeção de pequenas áreas (menos de 50 imagens, overlap maior que 85%), mas escalabilidade exige aceleração heterogênea ou maior memória.

Referências

Bonghi, R. (2026). jetson stats: A control dashboard and python library for monitoring nvidia jetson devices. Accessed: May 2, 2026.

ISPRS Authors (2025). Validation of opendronemap as a leading open-source tool for photogrammetric processing. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-1-W4-2025:65–72.

Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60(2):91–110.

Mittal, S. and Vetter, J. S. (2015). A survey of cpu-gpu heterogeneous computing management notes. ACM Computing Surveys, 47(4):1–34.

NVIDIA Corp. (2026). Jetson nano developer kit technical specifications. Accessed: May 2, 2026.

ODM Team (2026). Docker hub repository: opendronemap/odm. Accessed: May 2, 2026.

OpenDroneMap Authors (2026). Opendronemap: The open source ecosystem for photogrammetry. Accessed: May 2, 2026.

Shi, W., Cao, J., Zhang, Q., Li, Y., and Xu, L. (2016). Edge computing: Vision and challenges. IEEE Internet of Things Journal, 3(5):637–646.

Westoby, M. J., Brasington, J., Glasser, N. F., Hambrey, M. J., and Reynolds, J. M. (2012). Structure-from-motion photogrammetry: A low-cost, effective tool for geoscience applications. Geomorphology, 179:300–314.