### 编译安装带 GPU 支持的 OpenCV 为了在 Ubuntu 20.04 上编译并安装带有 GPU 加速功能的 OpenCV，需遵循一系列特定步骤来确保所有依赖项被正确处理，并且 CUDA 工具包和其他必要的库已适当配置。 #### 准备工作环境 首先更新现有软件包列表以及升级当前系统上的所有软件包到最新版本： ```bash sudo apt update && sudo apt upgrade -y ``` 接着安装构建工具链及其他必需组件，这一步骤对于后续操作至关重要[^1]: ```bash sudo apt install build-essential cmake git pkg-config libgtk-3-dev \ libavcodec-dev libavformat-dev libswscale-dev python3-dev \ python3-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev \ libtiff-dev libdc1394-22-dev ``` #### 安装CUDA及相关依赖 针对GPU加速的支持，需要先确认已经安装好适合硬件型号的 NVIDIA 显卡驱动程序。之后按照官方指南完成 CUDA Toolkit 的部署过程，同时也要记得设置相应的环境变量以便于命令行识别路径下的 nvcc 编译器等资源[^4]。 另外还需要安装 cuDNN 库用于提升神经网络运算效率；最后别忘了 GStreamer 流媒体框架及其插件集，这对于多媒体应用开发非常重要[^2]。 #### 下载OpenCV源码 前往 GitHub 获取指定版本号 (例如 `4.x.y`) 的 OpenCV 和额外模块贡献仓库 (`opencv_contrib`), 这样可以获得更丰富的特性支持: ```bash wget -O opencv.zip https://github.com/opencv/opencv/archive/refs/tags/<version>.zip wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/refs/tags/<version>.zip unzip opencv.zip unzip opencv_contrib.zip ``` 注意替换 `<version>` 成实际想要使用的稳定版标签名称，比如 "4.7.0". #### CMake配置选项 创建一个新的文件夹作为构建目录，在其中执行CMake指令来进行项目初始化。这里特别强调几个重要的参数设定以启用对CUDA设备端代码生成功能以及其他高级特性的访问权限[^3]: ```cmake mkdir -p ~/opencv_build && cd ~/opencv_build cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D INSTALL_PYTHON_EXAMPLES=ON \ -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-<version>/modules \ -D BUILD_opencv_python3=ON \ -D WITH_CUDA=ON \ -D ENABLE_FAST_MATH=ON \ -D CUDA_ARCH_PTX="" \ -D CUDA_ARCH_BIN="6.1,7.5" \ # 根据具体GPU架构调整此值 -D WITH_CUDNN=ON \ .. ``` 上述命令中的 `-D CUDA_ARCH_BIN` 参数应依据目标平台所配备的具体 GPU 架构代号填写相应数值串，如 Pascal(Tesla P100) 对应的是 `"6.1"` 而 Turing(GeForce RTX 2080 Ti) 则对应 `"7.5"` 等等。 #### 执行编译与安装流程 一旦预设完毕即可以开始正式编译阶段了，推荐采用多线程模式加快速度(`make -j$(nproc)` 表示自动检测 CPU 核心数)，完成后则可将其全局注册至操作系统内供其他应用程序调用: ```bash make -j$(nproc) sudo make install sudo ldconfig ``` 至此整个基于Ubuntu系统的OpenCV GPU加速版本就搭建好了！