Skip to content

Latest commit

 

History

History
103 lines (96 loc) · 5.14 KB

build_opencv.md

File metadata and controls

103 lines (96 loc) · 5.14 KB
Raw

编译前工作

安装依赖库：

sudo apt-get install build-essential
sudo apt-get install libglew-dev libtiff5-dev zlib1g-dev libjpeg-dev libavcodec-dev libavformat-dev libavutil-dev libpostproc-dev libswscale-dev libeigen3-dev libtbb-dev libgtk2.0-dev pkg-config libpng-dev
sudo apt-get install libatlas-base-dev gfortran
sudo apt-get install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

系统包更新：

sudo apt update
sudo apt upgrade

编译

安装官方系统镜像后，jetson-pack会自带opencv，但缺少cuda支持，为了能在板子上利用opencv-cuda加速，需要从源码编译opencv,这里以opencv4.4为示例。

1、官网下载好4.4版本的opencv Source code(zip)和对应4.4版本的opencv-contrib Source code(zip)
2、把上面下载好的opencv和opencv-contrib一并拷贝到jetson某个文件目录下并解压。
3、打开终端，输入如下命令；

cd opencv/
mkdir build/
cd build/

重新编译需要删除以前的编译文件：

rm -rf build/
mkdir build
cd build/

接着配置cmake选项,终端输入如下指令：

cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_opencv_java=OFF \
    -DBUILD_opencv_python2=OFF \
    -DBUILD_opencv_python3=ON \
    -DENABLE_PRECOMPILED_HEADERS=OFF \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=ON \
    -DWITH_GSTREAMER_0_10=OFF \
    -DWITH_CUDA=ON \
    -DWITH_GTK=ON \
    -DWITH_VTK=OFF \
    -DWITH_TBB=ON \
    -DWITH_1394=OFF \
    -DWITH_OPENEXR=OFF \
    -DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-10.2 \
    -DCUDA_ARCH_BIN="5.3,6.2,7.2" \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DOPENCV_ENABLE_NONFREE=ON 
    -DINSTALL_TESTS=OFF \
    -DOPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \
    ..

注意上面的DCUDA_TOOLKIT_ROOT_DIR、DOPENCV_EXTRA_MODULES_PATH改成适合自己的路径，DWITH_GSTREAMER为ON时支持CSI板载摄像头。如果想要把所有模块编译一个大的world库，则应当加上DBUILD_opencv_world=ON;如果涉及到非ROOT权限安装，则指定CMAKE_INSTALL_PREFIX，比如DCMAKE_INSTALL_PREFIX=/home/cuixing158/opencv4_4_0;如果要使得pkg-config --libs --cflags opencv4能被系统找到，则指定-DOPENCV_GENERATE_PKGCONFIG=YES，并在~/.bashrc中指定环境变量export PKG_CONFIG_PATH=/<your_opencv_install_dir>/lib/pkgconfig:$PKG_CONFIG_PATH.
编译几分钟后，一定注意屏幕出现的信息，重点查看是否有报错，一般情况下会因为国内网络环境影响，都会出错，下载第三方库或者数据下不下来，这里根据我个人情况，给出第三方百度网盘下载文件,提取码：jmn7，放到指定文件路径下重新执行上面cmake指令即可，一直到无措为止。
如果ippicv_2020_lnx_intel64_20191018_general.tgz 这个文件在编译过程中失败，应当从报错的url链接中重新单独下载此文件，然后把此文件放置在opencv源码目录下的此路径，比如opencv-x.x.0/.cache/ippicv/MD5-ippicv_2020_lnx_intel64_20191018_general.tgz，注意这里面的MD5是属于你版本的一串数字号码，一般从opencv-x.x.x/3rdparty/ippicv/ippicv.cmake中可以找到。

其中指定路径请参考截图
face_landmark_model
face_landmark_model_build xfeatures2d_download
最终cmake成功如下
cmake-ok
4、编译安装，终端执行如下：

sudo make -j6
sudo make install

编译时间较长，2-5小时不等，中间最好不要做其他事，以免中途容易异常中断。如果遇到Makefile:160: recipe for target 'all' failed报错，多次尝试上面指令编译即可。

测试

编译安装没问题后，直接在终端进入python3环境，查看cuda支持情况： opecv440-contrib_CUDA
另外打开jtop，从信息栏可以看出opencv支持cuda了
opecv440-contrib_CUDA2
以上编译后，会自动写入到环境，切入到/usr/local/lib/可以看到编译好的库： opecv440-contrib_CUDA3

查看opencv编译构建信息

import cv2
print(cv2.getbuildinformation())

Reference:

How to configure your NVIDIA Jetson Nano for Computer Vision and Deep Learning
Jetson nano编译opencv
opencv_makefile:162_issue
opencv build “FFMPEG: Download failed”