使用CUDA 为Tegra构建OpenCV

愚梦者2024-03-26 2:02

返回：OpenCV系列文章目录（持续更新中......）

上一篇：MultiArch与Ubuntu/Debian 的交叉编译

下一篇：在iOS中安装

警告：

本教程可能包含过时的信息。

使用CUDA for Tegra 的OpenCV

本文档是构建支持 CUDA 的 OpenCV 库以在 Tegra 环境中使用的基本指南。它涵盖了从三 （3） 种不同类型的平台的源代码构建版本 3.1.0 库的基本元素：

  • NVIDIA DRIVE™ PX 2 （V4L）
  • NVIDIA® Tegra® Linux 驱动程序包 （L4T）
  • 桌面 Linux（Ubuntu 14.04 LTS 和 16.04 LTS）

本文档并不是构建 OpenCV 时所有可用选项的详尽指南。具体来说，它涵盖了构建每个平台时使用的基本选项，但不包括任何不需要的选项（或与默认值保持不变的选项）。此外，此处不介绍 CUDA 工具包的安装。

本文档重点介绍如何构建 OpenCV 的 3.1.0 版本，但此处的指南也适用于从 git 存储库的 master 分支构建。OpenCV 2.4.13 版本构建的一些 CMake 选项存在差异，下面构建 OpenCV 2.4.X部分总结了这些选项。

大多数配置命令都基于安装了 CUDA 8.0 的系统。对于 Jetson TK1，使用较旧的 CUDA，因为该平台不支持 8.0。这些说明也适用于旧版本的 CUDA，但仅在 8.0 中进行了测试。

关于原生编译与交叉编译的说明

OpenCV 构建系统支持所有受支持平台的原生编译，以及 ARM 等平台的交叉编译。原生编译过程更简单，而交叉编译通常更快。

目前，本文档仅关注本机编译。

获取源代码

有两 （2） 种方法可以获取 OpenCV 源代码：

在本指南中，重点是使用 git 存储库。这是因为 OpenCV 的 3.1.0 版本如果不应用 git 存储库中的一些小的上游更改，就无法使用 CUDA 8.0 构建。

OpenCV的

从opencv存储库开始：

bash 复制代码 
# Clone the opencv repository locally:
$ git clone https://github.com/opencv/opencv.git

要构建 3.1.0 版本（而不是构建最新的源代码），您必须根据以下标记签出一个分支：3.1.0

bash 复制代码 
$ cd opencv
$ git checkout -b v3.1.0 3.1.0

**注意：**此操作将在克隆的存储库中创建一个新的本地分支。

必须通过git cherry-pick该命令应用一些上游更改。首先是应用一个修复程序，专门使用不属于 3.1.0 版本的 CUDA 8.0 版本进行构建：

bash 复制代码 
# While still in the opencv directory:
$ git cherry-pick 10896

您将看到该命令的以下输出：

bash 复制代码 
[v3.1.0 d6d69a7] GraphCut deprecated in CUDA 7.5 and removed in 8.0
 Author: Vladislav Vinogradov <vlad.vinogradov@itseez.com>
 1 file changed, 2 insertions(+), 1 deletion(-)

其次，有一个针对 CMake 宏调用的修复程序，该调用在某些系统上存在问题：

bash 复制代码 
$ git cherry pick cdb9c

输出：

bash 复制代码 
[v3.1.0-28613 e5ac2e4] gpu samples: fix REMOVE_ITEM error
 Author: Alexander Alekhin <alexander.alekhin@itseez.com>
 1 file changed, 1 insertion(+), 1 deletion(-)

需要的最后一个上游修复处理pkg-config与开发人员包捆绑在一起的配置文件 （libopencv-dev）：

bash 复制代码 
$ git cherry-pick 24dbb

您应看到类似于以下内容的输出：

bash 复制代码 
[v3.1.0 3a6d7ab] pkg-config: modules list contains only OpenCV modules (fixes #5852)
 Author: Alexander Alekhin <alexander.alekhin@itseez.com>
 1 file changed, 7 insertions(+), 4 deletions(-)

此时，存储库opencv已准备好进行构建。

OpenCV依赖库

存储库opencv_extra包含 OpenCV 库的额外数据，包括测试和演示使用的数据文件。它必须单独克隆：

bash 复制代码 
# In the same base directory from which you cloned OpenCV:
$ git clone https://github.com/opencv/opencv_extra.git

与 OpenCV 源代码一样，您必须使用与上述相同的方法将源代码树设置为 3.1.0 版本。从特定标记构建时，必须在该标记处签出两个存储库。

bash 复制代码 
$ cd opencv_extra
$ git checkout -b v3.1.0 3.1.0

如果您不打算运行测试或安装测试数据以及示例和示例程序，则可以选择不获取此存储库。如果在调用 CMake 时未引用它，则不会使用它。

**注意：**如果计划运行测试，则某些测试需要数据存在，如果没有数据，数据将失败。

准备和前提

要构建 OpenCV，您需要一个目录来创建配置和构建库。您还需要一些 OpenCV 所依赖的第三方库。

Ubuntu Linux 的先决条件

以下是在 Linux 上为 Tegra 构建 OpenCV 的基本要求：

  • CMake 2.8.10 或更高版本
  • CUDA 工具包 8.0（也可以使用 7.0 或 7.5）
  • 构建工具（make、gcc、g++）
  • Python 2.6 或更高版本

无论平台如何（DRIVE PX 2、桌面等），这些都是相同的。

在 Linux 上构建需要许多开发包：

  • libglew-dev
  • libtiff5-dev
  • zlib1g-dev
  • libjpeg-dev
  • libpng12-dev
  • libjasper-dev
  • libavcodec-dev
  • libavformat-dev
  • libavutil-dev
  • libpostproc-dev
  • libswscale-dev
  • libeigen3-dev
  • libtbb-dev
  • libgtk2.0-dev
  • pkg-config

上面的一些软件包位于 Ubuntu Linux 系统的存储库 universe中。如果尚未启用该存储库，则需要在尝试安装上面列出的所有软件包之前执行以下操作：

bash 复制代码 
$ sudo apt-add-repository universe
$ sudo apt-get update

以下命令可以粘贴到 shell 中，以便安装所需的软件包：

bash 复制代码 
$ sudo apt-get install \
    libglew-dev \
    libtiff5-dev \
    zlib1g-dev \
    libjpeg-dev \
    libpng12-dev \
    libjasper-dev \
    libavcodec-dev \
    libavformat-dev \
    libavutil-dev \
    libpostproc-dev \
    libswscale-dev \
    libeigen3-dev \
    libtbb-dev \
    libgtk2.0-dev \
    pkg-config

（为了便于阅读，添加了换行符和连续字符。

如果要生成 Python 绑定，还需要为 Python 2 和/或两者提供适当的包：

  • python-dev / python3-dev
  • python-numpy / python3-numpy
  • python-py / python3-py
  • python-pytest / python3-pytest

将执行以下操作的命令：

bash 复制代码 
$ sudo apt-get install python-dev python-numpy python-py python-pytest
# And, optionally:
$ sudo apt-get install python3-dev python3-numpy python3-py python3-pytest

安装所有必需的软件包后，可以配置生成。

准备构建区域

使用 CMake 系统配置其构建的软件项目希望实际构建在源代码树本身之外完成。要配置和构建 OpenCV，请在将 git 存储库克隆到的同一基目录中创建一个名为"build"的目录：

bash 复制代码 
$ mkdir build
$ cd build

环境搭建完成您可以配置和构建 OpenCV。

配置 OpenCV 以进行构建

下面针对不同平台给出的 CMake 配置选项针对的是 Tegra 所需的功能。它们基于用于构建 OpenCV 2.4.13 的原始配置选项。

OpenCV 的构建配置了 CMake。如果在不带参数的情况下运行，它会检测需要了解的有关系统的信息。但是，如果 CUDA 文件不在标准位置，则可能很难找到它们，并且它可能会尝试构建一些您可能不希望包含的选项，因此建议对 CMake 进行以下调用。

在以下小节中列出的每个cmake命令中，为了便于阅读，添加了换行符和缩进。在基于 Linux 的平台的示例中还添加了延续字符，允许您将示例直接复制并粘贴到 shell 中。手动输入这些命令时，请以单行形式输入命令和选项。有关传递给cmake的参数的详细说明，请参阅"CMake 参数参考"部分。

对于基于 Linux 的平台，参数的显示值为 CMAKE_INSTALL_PREFIX``/usr。您可以根据系统的布局将其设置为所需的任何内容。

在下面的每个调用cmake中，最后一个参数OPENCV_TEST_DATA_PATH告诉构建系统在哪里可以找到存储库提供的测试数据。当包含此路径opencv_extra``make时，一个make install会将此测试数据与库和make test示例代码一起安装，并自动为必须从中加载数据的测试提供此路径。如果未克隆opencv_extra存储库，请不要包含此参数。

Vibrante V4L配置

支持的平台：Drive PX 2

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_python2=ON \
    -DBUILD_opencv_python3=OFF \
    -DENABLE_NEON=ON \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-8.0 \
    -DCUDA_ARCH_BIN=6.2 \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=OFF \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

上面提供的配置在构建过程中为 Python 2（但不是 Python 3）构建 Python 绑定。如果需要 Python 3 绑定（BUILD_opencv_python2或BUILD_opencv_python3不需要 Python 2 绑定），请根据需要更改 and/or 的值。若要启用绑定，请将值设置为ON ，若要禁用绑定，请将其设置为OFF：

bash 复制代码 
-DBUILD_opencv_python2=OFF

Jetson L4T 配置

支持的平台：

  • 杰特森 TK1
  • 杰特森TX1

Jetson TK1 和 Jetson TX1 系统的配置略有不同。

Jetson TK1

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DCMAKE_CXX_FLAGS=-Wa,-mimplicit-it=thumb \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_python2=ON \
    -DBUILD_opencv_python3=OFF \
    -DENABLE_NEON=ON \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-6.5 \
    -DCUDA_ARCH_BIN=3.2 \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=OFF \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

**注意：**这使用 CUDA 6.5，而不是 8.0。

Jetson TX1

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_python2=ON \
    -DBUILD_opencv_python3=OFF \
    -DENABLE_PRECOMPILED_HEADERS=OFF \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-8.0 \
    -DCUDA_ARCH_BIN=5.3 \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=OFF \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

注意： 此配置不设置ENABLE_NEON参数。

Ubuntu 桌面 Linux 配置

支持的平台：

  • Ubuntu 桌面 Linux 14.04 LTS
  • Ubuntu 桌面 Linux 16.04 LTS

下面给出的配置cmake选项针对 Tegra 所需的功能。对于桌面系统，您可能希望调整某些选项以启用（或禁用）某些功能。下面启用的功能基于 OpenCV 2.4.13 的构建。

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_python2=ON \
    -DBUILD_opencv_python3=OFF \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-8.0 \
    -DCUDA_ARCH_BIN='3.0 3.5 5.0 6.0 6.2' \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=OFF \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

此配置与 V4L 和 L4T 的配置几乎相同，只是该CUDA_ARCH_BIN参数指定了多种架构，以便支持各种 GPU 板。对于桌面，您可以选择省略此参数，CMake 将改为运行一个小型测试程序来探测支持的体系结构。但是，生成的库可能无法在具有不同卡的 Ubuntu 系统上运行。CUDA_ARCH_BIN

与前面的示例一样，上面给出的配置在构建过程中为 Python 2（但不是 Python 3）构建 Python 绑定。

构建 OpenCV

完成cmake OpenCV 配置后，使用标准实用程序完成​​​​​​​make构建。

make方式构建

调用make的唯一参数是用于指定要使用的并行线程数的参数​​​​​​​-j。这取决于系统和可用内存量、其他正在运行的进程等。下表提供了此参数的建议值：

平台 建议值 说明
DRIVE PX 2 6
Jetson TK1 3 如果生成由于与编译器相关的错误而失败，请使用较少数量的线程重试。如果系统自上次重新启动以来已经运行了很长时间，也请考虑重新启动系统。
Jetson TX1 4
Ubuntu Desktop 7 实际值将因您拥有的内核数和物理内存量而异。由于编译 CUDA 代码的资源要求，不建议超过 7。

根据您选择的值，生成（假设您选择了 6）：

bash 复制代码 
$ make -j6

默认情况下，CMake 隐藏生成步骤的详细信息。如果需要查看有关每个编译单元等的更多详细信息，可以启用详细输出：

bash 复制代码 
$ make -j6 VERBOSE=1

测试 OpenCV

构建成功完成后，您可以选择运行 OpenCV 提供的大量测试。如果未克隆存储库并在调用中指定路径，则不建议进行测试

在 Linux 下测试

要在 Linux 下运行基本测试，请执行：

bash 复制代码 
$ make test

这将执行ctest测试，如 OpenCV 存储库中的 CTest 语法中所指定的那样。该ctest工具采用许多不同的参数（太多了，无法在此处列出，请参阅 CTest 的手册页以查看完整集），如果您希望传递其中任何一个make，您可以通过在命令行参数中指定它们来实现​​​​​​​​​​​​​​​​​​​​​ARGS

bash 复制代码 
$ make test ARGS="--verbose --parallel 3"

在此示例中，有两 （2） 个参数传递给ctest ：​​​​​​​--verbose 和​​​​​​​--parallel 3。第一个参数ctes使输出更详细，第二个参数ctes导致并行运行多达三 （3） 个测试。与选择用于构建的线程计数一样，基于可用的处理器内核数、物理内存等进行测试的任何选择。某些测试确实会尝试分配大量内存。​​​​​​​

测试的已知问题

目前，并非所有 OpenCV 测试套件中的测试都通过。有些测试无论是否编译 CUDA 都会失败，有些测试仅特定于 CUDA 的测试目前也没有通过。

**注意：**没有 CUDA 就没有通过测试，但只有在包含 CUDA 时才会失败。

由于未通过测试的完整列表因平台而异，因此在此处列出它们是不切实际的。

安装 OpenCV

安装 OpenCV 非常简单。对于基于 Linux 的平台，命令为：

bash 复制代码 
$ make install

根据所选的安装位置，您可能需要 root 权限才能安装。

构建 OpenCV 2.4.X

如果您希望构建自己的 OpenCV 2.4 版本版本，只需进行一些调整。在撰写本文时，2.4 树上的最新版本是 2.4.13。这些说明可能适用于 2.4 的更高版本，尽管它们尚未针对任何早期版本进行测试。

**注意：**2.4.X OpenCV 源代码没有上游到 OpenCV 3.X 版本的 Tegra 的额外模块和代码。本指南的这一部分仅适用于您想要构建 OpenCV 2.4 的原版版本的情况。

选择 2.4 源

首先，您必须选择正确的源分支或标记。如果你想要一个特定的版本，比如 2.4.13，你需要根据标签创建一个本地分支，就像上面的 3.1.0 标签一样：

bash 复制代码 
# Within the opencv directory:
$ git checkout -b v2.4.13 2.4.13
# Within the opencv_extra directory:
$ git checkout -b v2.4.13 2.4.13

如果您只想获得 OpenCV 2.4 行的最新代码，那么存储库中已经有一个2.4分支。您可以检查它而不是特定标签：

bash 复制代码 
$ git checkout 2.4

在构建 2.4.13 源代码时，不需要与 3.1.0 一起使用的命令git cherry-pick

配置

配置与以前一样使用 CMake 完成。主要区别在于 OpenCV 2.4 仅提供 Python 2 的 Python 绑定，因此在 CMake 参数中没有区分 Python 2 和 Python 3。只有一个参数BUILD_opencv_python 。此外，还有一个与构建相关的参数，用于控制 2.4 中不在 3.1.0 中的功能。此参数为BUILD_opencv_nonfree

配置仍然在单独的目录中进行，该目录必须是 opencv和``opencv_extra目录的同级目录。

配置Vibrante V4L

Configuring Vibrante V4L

对于 DRIVE PX 2:

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_nonfree=OFF \
    -DBUILD_opencv_python=ON \
    -DENABLE_NEON=ON \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-8.0 \
    -DCUDA_ARCH_BIN=6.2 \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=ON \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

配置 Jetson L4T

对于 Jetson TK1:

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_nonfree=OFF \
    -DBUILD_opencv_python=ON \
    -DENABLE_NEON=ON \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-6.5 \
    -DCUDA_ARCH_BIN=3.2 \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=ON \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

对于 Jetson TX1：

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_nonfree=OFF \
    -DBUILD_opencv_python=ON \
    -DENABLE_PRECOMPILED_HEADERS=OFF \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-8.0 \
    -DCUDA_ARCH_BIN=5.3 \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=ON \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

配置桌面 Ubuntu Linux

对于 14.04 LTS 和 16.04 LTS：

bash 复制代码 
$ cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr \
    -DBUILD_PNG=OFF \
    -DBUILD_TIFF=OFF \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=OFF \
    -DBUILD_EXAMPLES=ON \
    -DBUILD_JAVA=OFF \
    -DBUILD_opencv_nonfree=OFF \
    -DBUILD_opencv_python=ON \
    -DWITH_OPENCL=OFF \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=OFF \
    -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-8.0 \
    -DCUDA_ARCH_BIN='3.0 3.5 5.0 6.0 6.2' \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=ON \
    -DINSTALL_TESTS=ON \
    -DOPENCV_TEST_DATA_PATH=../opencv_extra/testdata \
    ../opencv

构建、测试和安装

配置后，构建、测试和安装步骤与上述 3.1.0 源相同。

CMake 参数参考

下表列出了在上面推荐的调用中传递给 CMake 的所有参数。其中一些是 CMake 本身的参数，而大多数是特定于 OpenCV 的。

参数 默认值 功能 注意
BUILD_EXAMPLES ON 控制是否生成 C/C++ 示例
BUILD_JASPER OFF 控制 Jasper 库 (libjasper)是否从3rdparty目录中的源代码构建
BUILD_JPEG OFF 如上所述，对于libjpeg
BUILD_PNG OFF 如上所述，对于libpng
BUILD_TBB OFF 如上所述，对于tbb
BUILD_TIFF OFF 如上所述，对于libtiff
BUILD_ZLIB OFF 如上所述，对于zlib
BUILD_JAVA OFF 控制 OpenCV 的 Java 绑定的构建 构建 Java 绑定需要仅为静态链接构建 OpenCV 库
BUILD_opencv_nonfree OFF 控制非自由（非开源）元素的构建 仅用于构建 2.4.X
BUILD_opencv_python ON 控制 OpenCV 3.1.0 中 Python 2 绑定的构建 仅用于构建 2.4.X
BUILD_opencv_python2 ON 控制 OpenCV 3.1.0 中 Python 3 绑定的构建 在 2.4.X 中未使用
BUILD_opencv_python3 OFF 控制 OpenCV 3.1.0 中 Python 3 绑定的构建 在 2.4.X 中未使用
CMAKE_BUILD_TYPE Release 选择生成类型（发布与开发） 通常是 either 或Release``Debug
CMAKE_INSTALL_PREFIX /usr ---------------
CUDA_ARCH_BIN varies 设置为其编译代码的 CUDA 体系结构 通常只针对具有已知特定卡的平台通过。OpenCV 包含一个小程序，如果您不传递此参数，则该程序可以确定系统安装卡的架构。在这里，对于 Ubuntu 桌面，该值是一个列表，以最大化卡支持。
CUDA_ARCH_PTX "" 为指定的虚拟 PTX 体系结构生成 PTX 中间代码
CUDA_TOOLKIT_ROOT_DIR /usr/local/cuda-8.0 (for Linux) 指定 CUDA 包含文件和库的位置
ENABLE_NEON ON 支持将 NEON SIMD 扩展用于 ARM 芯片 Only passed for builds on ARM platforms
ENABLE_PRECOMPILED_HEADERS OFF 启用/禁用对预编译标头的支持 仅在某些 ARM 平台上指定
INSTALL_C_EXAMPLES ON 允许将 C 示例文件作为make install
INSTALL_TESTS ON 允许将测试作为make install
OPENCV_TEST_DATA_PATH ../opencv_extra/testdata 存储库中目录的路径testdata``opencv_extra
WITH_1394 OFF 指定是否包括 IEEE-1394 支持
WITH_CUDA ON 指定是否包括 CUDA 支持
WITH_FFMPEG ON 指定是否包括 FFMPEG 支持
WITH_GSTREAMER OFF 指定是否包括 GStreamer 1.0 支持
WITH_GSTREAMER_0_10 OFF 指定是否包括 GStreamer 0.10 支持
WITH_GTK ON -------------------
WITH_OPENCL OFF 指定是否包括 OpenCL 运行时支持
WITH_OPENEXR OFF 指定是否通过 OpenEXR 包括 ILM 支持
WITH_OPENMP OFF 指定是否包括 OpenMP 运行时支持
WITH_TBB ON 指定是否包括英特尔 TBB 支持
WITH_VTK OFF 指定是否包括 VTK 支持

版权所有 © 2016，NVIDIA CORPORATION。保留所有权利。

参考文献：

1、《Building OpenCV for Tegra with CUDA》--Randy J. Ray

相关推荐
阡之尘埃2 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)（scorecardpy 全面解析）
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力4 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20214 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧35 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽5 小时前
【Pytorch】基本语法
人工智能·pytorch·python
ctrey_5 小时前
2024-11-1 学习人工智能的Day20 openCV（2）
人工智能·opencv·学习
SongYuLong的博客5 小时前
Air780E基于LuatOS编程开发
人工智能
Jina AI5 小时前
RAG 系统的分块难题：小型语言模型如何找到最佳断点？
人工智能·语言模型·自然语言处理
-派神-5 小时前
大语言模型(LLM)量化基础知识(一)
人工智能·语言模型·自然语言处理
johnny_hhh5 小时前
AI大模型重塑软件开发流程：定义、应用场景、优势、挑战及未来展望
人工智能
热门推荐
01【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总02(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04【AIGC】重塑未来的科技巨轮05全面解析：构建基于深度学习的安全帽检测系统（UI界面+YOLO代码+数据集）06【经验分享】Ubuntu22.04安装微信(linux官方版)07基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测08Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO09RAG 实践- Ollama+RagFlow 部署本地知识库10红米手机使用google play