### 配置 OpenCV 使用 CUDA 加速 在 Jetson Orin NX 上配置 OpenCV 并启用 CUDA 加速是一个多阶段的过程，涉及安装依赖项、构建库以及测试其功能。以下是详细的说明： #### 安装必要的依赖项 为了成功编译支持 CUDA 的 OpenCV 库，需要先安装一些基础工具和依赖包。运行以下命令来完成这些操作： ```bash sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential cmake git pkg-config libgtk-3-dev \ libavcodec-dev libavformat-dev libswscale-dev libv4l-dev \ libxvidcore-dev libx264-dev libjpeg-dev libpng-dev libtiff-dev \ gfortran openexr libatlas-base-dev python3-dev python3-numpy \ libtbb2 libtbb-dev libdc1394-22-dev ``` 此部分涵盖了 CMake 构建工具、图像处理库以及其他必需组件的安装[^1]。 #### 下载并解压 OpenCV 和 OpenCV 贡献模块 下载最新版本的 OpenCV 及其贡献模块（包含额外的功能插件）。可以使用 Git 来获取源代码： ```bash cd ~/ git clone https://github.com/opencv/opencv.git git clone https://github.com/opencv/opencv_contrib.git cd opencv mkdir build && cd build ``` 确保 `opencv` 和 `opencv_contrib` 的分支匹配相同的版本号以避免兼容性问题[^2]。 #### 编译选项设置 通过 CMake 工具指定所需的编译参数，特别是针对 CUDA 支持的部分。执行如下脚本： ```bash cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \ -D WITH_CUDA=ON \ -D ENABLE_FAST_MATH=1 \ -D CUDA_FAST_MATH=1 \ -D WITH_CUBLAS=1 \ -D BUILD_opencv_cudacodec=OFF \ -D INSTALL_PYTHON_EXAMPLES=OFF \ -D INSTALL_C_EXAMPLES=OFF .. ``` 上述命令启用了 CUDA 功能，并优化了数学运算性能；同时禁用了某些不必要或者可能引发错误的功能模块（如 `BUILD_opencv_cudacodec`），因为它们可能会因硬件限制而失败[^3]。 #### 开始编译过程 利用多个核心加快编译速度，推荐采用 `-jX` 参数设定线程数 X 为设备上的逻辑处理器数量。对于 Jetson Orin NX 设备来说，默认可设为8或更高取决于具体型号规格。 ```bash make -j$(nproc) sudo make install sudo ldconfig ``` 最后一步更新动态链接器缓存文件以便系统能够找到新安装的共享对象文件。 #### 测试安装成果 验证是否正确集成了 GPU 模块可以通过简单的 Python 或者 C++ 示例程序来进行检测。下面展示了一个基于 Python 的简单例子用于确认环境搭建无误： ```python import cv2 as cv print(cv.__version__) if cv.cuda.getCudaEnabledDeviceCount() > 0: print("CUDA support is enabled.") else: print("No CUDA capable devices found!") ``` 如果输出显示存在可用的 CUDA 设备，则表明配置成功[^4]。 --- ###