参考文章:How to Install OpenCV (3.4.0) on Jetson TX2

与参考文章大部分都是相似的,如果不习惯看英文,可以看看我下面的描述

在我们使用python3进行编程时,import cv2不起作用。由于预先安装的opencv是与python2.7绑定的,如果想在python3环境下使用,我们需要重新编译opencv

先决条件

已经在Jetson TX2上安装了JetPack-3.3(或JetPack-3.2.1或JetPack-3.1)

安装步骤

首先清理旧的opencv包,并构建opencv所需的依赖项

1. 删除所有由JetPack(或OpenCV4Tegra)安装的旧opencv内容

sudo apt-get purge libopencv*

2.我更喜欢使用新版本的numpy(与pip一起安装),所以我也要删除这个python-numpy apt包

sudo apt-get purge python-numpy

3. 删除其他未使用的apt包

sudo apt autoremove

4. 将所有已安装的apt软件包升级到最新版本(可选做)

sudo apt-get update
sudo apt-get dist-upgrade

5. 将gcc apt包更新到最新版本(强烈推荐)

sudo apt-get install --only-upgrade g++- cpp- gcc-

6. 基于jetson安装opencv依赖项

sudo apt-get install build-essential make cmake cmake-curses-gui \
g++ libavformat-dev libavutil-dev \
libswscale-dev libv4l-dev libeigen3-dev \
libglew-dev libgtk2.-dev

7. 为gstreamer安装依赖项

sudo apt-get install libdc1394--dev libxine2-dev \
libgstreamer1.-dev \
libgstreamer-plugins-base1.-dev

8. 安装其他依赖项

sudo apt-get install libjpeg8-dev libjpeg-turbo8-dev libtiff5-dev \
libjasper-dev libpng12-dev libavcodec-dev
sudo apt-get install libxvidcore-dev libx264-dev libgtk--dev \
libatlas-base-dev gfortran
sudo apt-get install libopenblas-dev liblapack-dev liblapacke-dev

9. 安装QT5的依赖项

sudo apt-get install qt5-default

10. 安装python3的依赖项

sudo apt-get install python3-dev python3-pip python3-tk
sudo pip3 install numpy
sudo pip3 install matplotlib

修改matplotlibrc的41行,'backend      : TkAgg'

sudo vim /usr/local/lib/python3./dist-packages/matplotlib/mpl-data/matplotlibrc

vim技巧 : 按Esc,set nu(显示行号)

11. 安装python2的依赖项

sudo apt-get install python-dev python-pip python-tk
sudo pip2 install numpy
sudo pip2 install matplotlib

修改matplotlibrc的41行,'backend      : TkAgg'

sudo vim /usr/local/lib/python2./dist-packages/matplotlib/mpl-data/matplotlibrc

在下载和编译opencv-3.4.0之前,需要先进行一些修改。具体点说是修改  /usr/local/cuda/include/cuda_gl_interop.h 并修复libGL.so的符号链接

sudo vim /usr/local/cuda/include/cuda_gl_interop.h
cd /usr/lib/aarch64-linux-gnu/
sudo ln -sf tegra/libGL.so libGL.so

下面是cuda_gl_interop.h的62行到68行,修改后如下:

//#if defined(__arm__) || defined(__aarch64__)
//#ifndef GL_VERSION
//#error Please include the appropriate gl headers before including cuda_gl_interop.h
//#endif
//#else
#include <GL/gl.h>
//#endif

接下来,下载opencv-3.4.0源代码,cmake并编译。注意,opencv_contrib模块(cnn/dnn之类的东西)会在pycaffe上引起问题,所以经过一些实验之后,我决定完全不包含这些模块。

mkdir -p ~/src
cd ~/src
wget https://github.com/opencv/opencv/archive/3.4.0.zip \
-O opencv-3.4..zip
unzip opencv-3.4..zip . Build opencv (CUDA_ARCH_BIN="6.2" for TX2, or "5.3" for TX1)
cd ~/src/opencv-3.4.
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local \
-D WITH_CUDA=ON -D CUDA_ARCH_BIN="6.2" -D CUDA_ARCH_PTX="" \
-D WITH_CUBLAS=ON -D ENABLE_FAST_MATH=ON -D CUDA_FAST_MATH=ON \
-D ENABLE_NEON=ON -D WITH_LIBV4L=ON -D BUILD_TESTS=OFF \
-D BUILD_PERF_TESTS=OFF -D BUILD_EXAMPLES=OFF \
-D WITH_QT=ON -D WITH_OPENGL=ON ..
make -j4
sudo make install

如果下载opencv源码较慢,可以在windows的浏览器中输入网址 https://github.com/opencv/opencv/archive/3.4.0.zip 手动下载源码包,之后将源码包放入TX2

验证安装是否成功

ls /usr/local/lib/python3./dist-packages/cv2.*
/usr/local/lib/python3./dist-packages/cv2.cpython-35m-aarch64-linux-gnu.so
ls /usr/local/lib/python2./dist-packages/cv2.*
/use/local/lib/python2./dist-packages/cv2.so
python3 -c 'import cv2; print(cv2.__version__)'
3.4.
python2 -c 'import cv2; print(cv2.__version__)'
3.4.

在Jetson TX2上正确安装了opencv-3.4.0之后,我们可以使用python脚本捕获和显示来自Jetson板载摄像机、USB网络摄像头或IP摄像头的实时视频。跟随这篇文章:在Jetson TX2上捕获、显示摄像头视频。

在Jetson TX2上安装OpenCV(3.4.0)的更多相关文章

  1. 在Jetson TX2上安装caffe和PyCaffe

    caffe是Nvidia TensorRT最支持的深度学习框架,因此在Jetson TX2上安装caffe很有必要.顺便说一句,下面的安装是支持python3的. 先决条件 在Jetson TX2上完 ...

  2. 在Jetson TX2上捕获、显示摄像头视频

    参考文章:How to Capture and Display Camera Video with Python on Jetson TX2 与参考文章大部分都是相似的,如果不习惯看英文,可以看看我下 ...

  3. 在Jetson TX2上显示摄像头视频并使用python进行caffe推理

    参考文章:How to Capture Camera Video and Do Caffe Inferencing with Python on Jetson TX2 与参考文章大部分都是相似的,如果 ...

  4. Jetson TX2上的demo(原创)

    Jetson TX2上的demo 一.快速傅里叶-海动图 sample The CUDA samples directory is copied to the home directory on th ...

  5. 在Ubuntu 18.04上安装OpenCV 4(C ++和Python)

    OpenCV于11月20日发布了OpenCV-3.4.4和OpenCV-4.0.0.这些版本中有很多错误修复和其他更改.发布重点如下: OpenCV现在是C ++ 11库,需要符合C ++ 11标准的 ...

  6. 如何在Ubuntu/CentOS上安装Linux内核4.0

    大家好,今天我们学习一下如何从Elrepo或者源代码来安装最新的Linux内核4.0.代号为‘Hurr durr I'm a sheep’的Linux内核4.0是目前为止最新的主干内核.它是稳定版3. ...

  7. RAC分解步骤之一,在oracle linux 4u4上安装oracle 10.2.0.1.0操作日志

    练习oracle的rac组建过程,第一步,先练习4u4上安装oracle 10.2.0.1.0.直接安装rac,有些难度.从简单的做起.总RAC步骤,参照小布老师的RAC组建. 1. 启动vc,登陆v ...

  8. 【翻译自mos文章】在RHEL7/OL7上安装Oracle 12.1.0.2的server端或者client时,报须要&quot;compat-libstdc++&quot;包

    在RHEL7/OL7上安装Oracle 12.1.0.2的server端或者client时,报须要"compat-libstdc++"包 来源于: Installation of ...

  9. TX2 上使用opencv 调用板载mipi摄像头

    使用命令测试 gst-launch-1.0 nvcamerasrc ! 'video/x-raw(memory:NVMM), width=(int)1920, height=(int)1080, fo ...

随机推荐

  1. docker-compose 部分错误

    Get https://hub.17kxkx.com/v2/: dial tcp 39.106.209.67:443: connect: connection refused vim /etc/doc ...

  2. NumPy学习1:基本概念

    NumPy的数组类被称作 ndarray .通常被称作数组.注意numpy.array和标准Python库类array.array并不相同,后者只处理一维数组和提供少量功能.更多重要ndarray对象 ...

  3. alg-最长公共子串

    class Solution { public: const std::vector<std::string> LongestCommonSubstring(const std::stri ...

  4. Juli函数

  5. tensorflow1.0 矩阵相乘

    import tensorflow as tf matrix1 = tf.constant([[3,3]]) matrix2 = tf.constant([[2],[2]]) product = tf ...

  6. 关于mysql的范式——反范式的思路

    数据库的设计,是有模式的,就是在实际生产的项目中,按照怎样怎样步骤的去做.减少冗余呀,一对多呀等等. 那么回归到一个问题:数据库究竟是为了添加,还是为了查询?这个问题有些轴,以 增删改查四律而言,都是 ...

  7. 调用ocx ActiveX控件详解(做一个简单的ocx控件)

    背景 最近做的项目都和插件有关,就是在页面中调用插件的方法,然后进行操作. 插件就是ocx ActiveX控件,具体的说明可以自己去了解一下,在这里就不做赘述. 具体调用方式很简单: 1.在页面中写一 ...

  8. Java 基础之详解 Java IO

    Java IO基本概念 Java IO:即Java输入/输出系统,区分Java的输入和输出:把自己当成程序, 当你从外边读数据到自己这里就用输入(InputStream/Reader), 向外边写数据 ...

  9. css3--:target选择器称为目标选择器

    :target选择器称为目标选择器,用来匹配文档(页面)的url的某个标志符的目标元素.我们先来上个例子,然后再做分析. 示例展示 点击链接显示隐藏的段落. HTML代码: <h2>< ...

  10. thinkphp5 csv格式导入导出(多数据处理)

    关于csv文件格式的导出导入个人见解 先上代码: <?php namespace think; class Csv { /** * 导出csv文件 * @param $list 数据源 * @p ...