编译OpenCV最新4.5.x版本

Jetson Nano自带的OpenCV版本比较低，Jetpack4.6对应的OpenCV版本为4.1的

而OpenCV当前最新版本已经到了4.5跟4.6了，4.5.x中OpenCV DNN支持了很多新的模型推理跟新的特性都无法在OpenCV4.1上演示，所以我决定从源码编译OpenCV升级版本到 4.5.4，然后我发一个非常好的网站，提供了完整的脚本，于是我直接运行了该脚本就完成了安装，整个安装过程需要等待几个小时，耐心点。这个完整的脚本下载地址如下：

https://github.com/Qengineering/Install-OpenCV-Jetson-Nano

关于脚本每一个步骤的解释与说明如下：

https://qengineering.eu/install-opencv-4.5-on-jetson-nano.html

这里我也搬运了一下，选择OpenCV4.5.4版本完成编译与安装，对应完整的脚本如下：

#!/bin/bash
set -eecho "Installing OpenCV 4.5.4 on your Jetson Nano"
echo "It will take 2.5 hours !"# reveal the CUDA location
cd ~
sudo sh -c "echo '/usr/local/cuda/lib64' >> /etc/ld.so.conf.d/nvidia-tegra.conf"
sudo ldconfig# install the dependencies
sudo apt-get install -y build-essential cmake git unzip pkg-config zlib1g-dev
sudo apt-get install -y libjpeg-dev libjpeg8-dev libjpeg-turbo8-dev libpng-dev libtiff-dev
sudo apt-get install -y libavcodec-dev libavformat-dev libswscale-dev libglew-dev
sudo apt-get install -y libgtk2.0-dev libgtk-3-dev libcanberra-gtk*
sudo apt-get install -y python-dev python-numpy python-pip
sudo apt-get install -y python3-dev python3-numpy python3-pip
sudo apt-get install -y libxvidcore-dev libx264-dev libgtk-3-dev
sudo apt-get install -y libtbb2 libtbb-dev libdc1394-22-dev libxine2-dev
sudo apt-get install -y gstreamer1.0-tools libv4l-dev v4l-utils qv4l2 
sudo apt-get install -y libgstreamer-plugins-base1.0-dev libgstreamer-plugins-good1.0-dev
sudo apt-get install -y libavresample-dev libvorbis-dev libxine2-dev libtesseract-dev
sudo apt-get install -y libfaac-dev libmp3lame-dev libtheora-dev libpostproc-dev
sudo apt-get install -y libopencore-amrnb-dev libopencore-amrwb-dev
sudo apt-get install -y libopenblas-dev libatlas-base-dev libblas-dev
sudo apt-get install -y liblapack-dev liblapacke-dev libeigen3-dev gfortran
sudo apt-get install -y libhdf5-dev protobuf-compiler
sudo apt-get install -y libprotobuf-dev libgoogle-glog-dev libgflags-dev# remove old versions or previous builds
cd ~ 
sudo rm -rf opencv*
# download the latest version
wget -O opencv.zip https://github.com/opencv/opencv/archive/4.5.4.zip 
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.5.4.zip 
# unpack
unzip opencv.zip 
unzip opencv_contrib.zip 
# some administration to make live easier later on
mv opencv-4.5.4 opencv
mv opencv_contrib-4.5.4 opencv_contrib
# clean up the zip files
rm opencv.zip
rm opencv_contrib.zip# set install dir
cd ~/opencv
mkdir build
cd build# run cmake
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
-D EIGEN_INCLUDE_PATH=/usr/include/eigen3 \
-D WITH_OPENCL=OFF \
-D WITH_CUDA=ON \
-D CUDA_ARCH_BIN=5.3 \
-D CUDA_ARCH_PTX="" \
-D WITH_CUDNN=ON \
-D WITH_CUBLAS=ON \
-D ENABLE_FAST_MATH=ON \
-D CUDA_FAST_MATH=ON \
-D OPENCV_DNN_CUDA=ON \
-D ENABLE_NEON=ON \
-D WITH_QT=OFF \
-D WITH_OPENMP=ON \
-D BUILD_TIFF=ON \
-D WITH_FFMPEG=ON \
-D WITH_GSTREAMER=ON \
-D WITH_TBB=ON \
-D BUILD_TBB=ON \
-D BUILD_TESTS=OFF \
-D WITH_EIGEN=ON \
-D WITH_V4L=ON \
-D WITH_LIBV4L=ON \
-D OPENCV_ENABLE_NONFREE=ON \
-D INSTALL_C_EXAMPLES=OFF \
-D INSTALL_PYTHON_EXAMPLES=OFF \
-D BUILD_opencv_python3=TRUE \
-D OPENCV_GENERATE_PKGCONFIG=ON \
-D BUILD_EXAMPLES=OFF ..# run make
FREE_MEM="$(free -m | awk '/^Swap/ {print $2}')"
# Use "-j 4" only swap space is larger than 5.5GB
if [[ "FREE_MEM" -gt "5500" ]]; thenNO_JOB=4
elseecho "Due to limited swap, make only uses 1 core"NO_JOB=1
fi
make -j ${NO_JOB} sudo rm -r /usr/include/opencv4/opencv2
sudo make install
sudo ldconfig# cleaning (frees 300 MB)
make clean
sudo apt-get updateecho "Congratulations!"
echo "You've successfully installed OpenCV 4.5.4 on your Jetson Nano"

直接在终端命令行中执行下载下来得脚本文件就可以完成安装了。安装完整之后得显示：

验证与导入安装好之后的OpenCV4.5.4版本

OpenCV C++程序编译与演示 

自己找个代码把 然后放到jetson编译 最后运行

CMakeLists.txt文件里面得内容如下：

cmake_minimum_required( VERSION 2.8 )# 声明一个 cmake 工程
project(yolov5_opencv_demo)# 设置编译模式
#set( CMAKE_BUILD_TYPE "Debug" )#添加OPENCV库
#指定OpenCV版本，代码如下
#find_package(OpenCV 4.5.4 REQUIRED)
#如果不需要指定OpenCV版本，代码如下
find_package(OpenCV REQUIRED)include_directories(./src/)#添加OpenCV头文件
include_directories(${OpenCV_INCLUDE_DIRS})#显示OpenCV_INCLUDE_DIRS的值
message(${OpenCV_INCLUDE_DIRS})FILE(GLOB_RECURSE TEST_SRCsrc/*.cpp)# 添加一个可执行程序
# 语法：add_executable( 程序名 源代码文件 ）
add_executable(target yolov5_opencv.cpp ${TEST_SRC})# 将库文件链接到可执行程序上
target_link_libraries(target  ${OpenCV_LIBS})

OpenCV + YOLOv5，CUDA加速支持的源码

#include 
#include 
#include std::string label_map = "classes.txt";
int main(int argc, char** argv) {std::vector classNames;std::ifstream fp(label_map);std::string name;while (!fp.eof()) {getline(fp, name);if (name.length()) {classNames.push_back(name);}}fp.close();std::vector colors;colors.push_back(cv::Scalar(0, 255, 0));colors.push_back(cv::Scalar(0, 255, 255));colors.push_back(cv::Scalar(255, 255, 0));colors.push_back(cv::Scalar(255, 0, 0));colors.push_back(cv::Scalar(0, 0, 255));std::string onnxpath = "yolov5s.onnx";auto net = cv::dnn::readNetFromONNX(onnxpath);net.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA);net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);cv::VideoCapture capture("example_dsh.mp4");cv::Mat frame;while (true) {bool ret = capture.read(frame);if (frame.empty()) {break;}int64 start = cv::getTickCount();// 图象预处理 - 格式化操作int w = frame.cols;int h = frame.rows;int _max = std::max(h, w);cv::Mat image = cv::Mat::zeros(cv::Size(_max, _max), CV_8UC3);cv::Rect roi(0, 0, w, h);frame.copyTo(image(roi));float x_factor = image.cols / 640.0f;float y_factor = image.rows / 640.0f;// 推理cv::Mat blob = cv::dnn::blobFromImage(image, 1 / 255.0, cv::Size(640, 640), cv::Scalar(0, 0, 0), true, false);net.setInput(blob);cv::Mat preds = net.forward();// 后处理, 1x25200x85cv::Mat det_output(preds.size[1], preds.size[2], CV_32F, preds.ptr());float confidence_threshold = 0.5;std::vector boxes;std::vector classIds;std::vector confidences;for (int i = 0; i < det_output.rows; i++) {float confidence = det_output.at(i, 4);if (confidence < 0.25) {continue;}cv::Mat classes_scores = det_output.row(i).colRange(5, preds.size[2]);cv::Point classIdPoint;double score;minMaxLoc(classes_scores, 0, &score, 0, &classIdPoint);// 置信度 0～1之间if (score > 0.25){float cx = det_output.at(i, 0);float cy = det_output.at(i, 1);float ow = det_output.at(i, 2);float oh = det_output.at(i, 3);int x = static_cast((cx - 0.5 * ow) * x_factor);int y = static_cast((cy - 0.5 * oh) * y_factor);int width = static_cast(ow * x_factor);int height = static_cast(oh * y_factor);cv::Rect box;box.x = x;box.y = y;box.width = width;box.height = height;boxes.push_back(box);classIds.push_back(classIdPoint.x);confidences.push_back(score);}}// NMSstd::vector indexes;cv::dnn::NMSBoxes(boxes, confidences, 0.25, 0.50, indexes);for (size_t i = 0; i < indexes.size(); i++) {int index = indexes[i];int idx = classIds[index];cv::rectangle(frame, boxes[index], colors[idx%5], 2, 8);cv::rectangle(frame, cv::Point(boxes[index].tl().x, boxes[index].tl().y - 20),cv::Point(boxes[index].br().x, boxes[index].tl().y), cv::Scalar(255, 255, 255), -1);cv::putText(frame, classNames[idx], cv::Point(boxes[index].tl().x, boxes[index].tl().y - 10), cv::FONT_HERSHEY_SIMPLEX, .5, cv::Scalar(0, 0, 0));}float t = (cv::getTickCount() - start) / static_cast(cv::getTickFrequency());putText(frame, cv::format("FPS: %.2f", 1.0 / t), cv::Point(20, 40), cv::FONT_HERSHEY_PLAIN, 2.0, cv::Scalar(255, 0, 0), 2, 8);char c = cv::waitKey(1);if (c == 27) {break;}cv::imshow("OpenCV4.5.4 CUDA + YOLOv5", frame);}cv::waitKey(0);cv::destroyAllWindows();return 0;
}

whaosoft aiot http://143ai.com 

只是个demo 最好的还是你转成trt的吧~~