在JetsonNano上编译OpenCV源码与OpenCV C++ YOLOv5程序演示

 

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，有图为证：

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 -e

echo "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" ]]; then
  NO_JOB=4
else
  echo "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 update

echo "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。我安装完整之后得显示如下：

  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

OpenCV YOLOv5跟人脸检测的演示C++程序是我以前写好的，直接拿过来，然后构建了一个项目目录如下：

拷贝到jetson的home目录下，cmake编译

然后make生成执行文件：

运行target

显示运行界面如下：

OpenCV DNN人脸检测演示：

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_SRC
    src/*.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::readNetFromONNX(onnxpath);
    net.setPreferableBackend(cv::DNN_BACKEND_CUDA);
    net.setPreferableTarget(cv::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::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::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, 1x25200x85
        cv::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);
            }
        }

        // NMS
        std::vector indexes;
        cv::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;
}

 

 

　　审核编辑：汤梓红