暂时无法在飞书文档外展示此内容

  1. C/C++环境搭建

  2. Windows

  3. Visual Studio

https://www.bilibili.com/video/BV11R4y1s7jz

  1. Linux

详见下方的CMake工程搭建。

  1. ARM Keil MDK(ARM单片机环境搭建)

  2. 介绍以及环境推荐

  3. Keil MDK是ARM公司旗下官方软件。最主流的单片机开发环境IDE，没有之一。

  4. 推荐版本：

    1. 新手：无脑 ARM Keil MDK 5 + CubeMX(新手前期只准先安装ARM Keil MDK 5，不准用CubeMX)

    2. 老鸟：无脑 VScode + CMake + CubeMX

  5. Arm Keil MDK 5 + CubeMX【推荐小鸟(新手）】

  6. 简介

  7. 最主流的开发环境(即便有很多致命缺点)，没有之一。新手无脑用，新手必须用这个方案开发STM32。

  8. 缺点很明显：上古的界面，上古的代码补齐，仅支持Windows，且只有X86的32位版本。

  9. Windows

https://www.bilibili.com/video/BV18T411r7Yu

所需文件获取方式：

  1. 社团的U盘(直接拷贝)

  2. 官网：

    1. MDK5官网：https://www.keil.com/demo/eval/arm.htm

    2. MDK5的FW固件下载链接：https://www.keil.arm.com/devices/

    3. ARM编译器下载链接：

      1. ARMCC(AC5)必下：https://developer.arm.com/downloads/view/ACOMP5?revision=r5p6-07rel1

      2. ARMCLANG(AC6)一般MDK5最新版都自带，不用下：https://developer.arm.com/downloads/view/ACOMPE

      3. AC5与AC6对比(一般不用看)：https://developer.arm.com/Tools and Software/Arm Compiler for Embedded FuSa#Editions

    4. Keil MDK 5 破解注册机(请关闭杀毒软件再下载)： keygen.iso or https://www.duote.com/soft/907739.html

    5. Java_JRE下载(一般下载Windows Offline (64-bit),需要安装JRE才可以打开CubeMX)：https://www.java.com/en/download/manual.jsp

    6. CubeMX官网：https://www.st.com.cn/zh/development-tools/stm32cubemx.html

    7. 正点原子配套资料1(A盘资料F1):http://www.openedv.com/docs/boards/stm32/zdyz_stm32f103_warshipV4.html

    8. 正点原子配套资料2(A盘资料F4):http://www.openedv.com/docs/boards/stm32/zdyz_stm32f407_explorerV3.html

  1. Arm Keil MDK 5 + VScode(Keil Assistant)【不推荐】

  2. 简介

  3. 该方式是折中方案，介于MDK5和MDK6之间的方案，可以规避掉一部分MDK5的缺点。(但是由于C/C++插件过于垃圾，所以不太推荐使用)

  4. Windows

  5. 配置教程：

快速配置的视频：

https://www.bilibili.com/video/BV18e4y1H7xX

如果遇到一些问题，请看下方这个视频：

https://www.bilibili.com/video/BV19V411g7gD/

  1. 请安装好MDK5，CubeMX，VScode等软件

  2. 安装VScode插件

  1. 配置Keil Assistant

    1. 点击扩展设置

    1. 找到MDK5的路径

    1. 复制一下路径

    1. 填入刚才复制的路径

  1. 用VScode打开MDK5工程

    1. 打开工程

  2. 然后就可以用VScode编辑源码了

  1. 注意事项（必看）：

  2. 须知

  3. 该方式仅仅为折中方案，比单用MDK5好用一点，但远没有MDK6好用。

  4. VScode只负责代码编辑(建议别用Keil Assistant的编译等功能)。

  5. MDK5负责编译，下载，debug，添加源文件，头文件等其他一切操作。

  6. 优点：解决了AC6编译器的go to definition失效的问题(AC6全是优点，这是唯一缺点)；解决了MDK5上古界面的不护眼；解决了MDK5代码提示拉跨；可以使用各种VScode的插件提高编辑效率。

  7. 缺点：需要同时开着VScode和MDK5，各司其职，不统一。C/C++插件的代码提示虽比mdk5好，但也是过于拉胯。(远不如MDK6+Clangd)

  8. 文字🦟编码有问题
  9. 问题如下：

  1. 手动改编码(点右下角的UTF-8，推荐用下方的插件解决，比手改便捷)：

  1. 插件(VScode的特点就是插件多，不用插件的vscode失去了灵魂)

该插件会自动提示你当前的编码有问题，自动猜测正确编码，点击yes就可以自动修改。

  1. 误报错

不用管，只要MDK5编译不报错就行。

  1. 无法go to definition

(如果有问题才需要做，没问题就不要管)

在下面框中加上：(加完后可能还会误报错，但是已经可以正常go to definition了)

1

..\**

或者 将Include Path这一栏里的绝对路径全改为相对路径(下方只列举一部分)：

1
2

..\applications\Inc
..\bsp\boards\Inc

  1. Arm Keil MDK 6 (基于VScode)【暂不推荐】

  2. 简介

  3. 优点：改善了MDK5的基本所有已知缺点，简直是开发者福音。

  4. 缺点：学习成本较高，没有一定的电脑常识驾驭不了。

  5. 目前暂时还不是很推荐单独使用，因为即便你会用，队友也不一定会用，这样工程无法互通。但如果你有能力，就是想用MDK6，那用也无妨，自己用着顺手为主。

  6. 但是非常推荐配合使用，MDK6配合MDK5一起使用。使用MDK5添加源文件，添加头文件等操作(不要忘记添加完源文件和头文件后，用mdk5编译一下)；使用MDK6转化刚才的mdk5工程，进行源码编辑，编译，debug等等操作。(这样无论是用mdk5还是mdk6的队友，都可以打开你的工程直接食用啦)（看不懂这段话问学长）

  7. Windows && Linux

ARM Keil MDK6使用教程

  1. 告别Keil MDK : VScode+CMake环境部署【非常推荐老鸟】

(开发起来目前感觉还是挺舒服的，日后电控组组长如果觉得好用，可以统一一下IDE)

主要现在有三个使用比较广的编译器.

armclang(AC6):编译巨快,开销巨小.(不论是编译,还是开销都非常优秀)

armcc(AC5):编译巨慢,开销很小.(仅仅只是开销小)

armgcc:编译较快,开销略大.(仅仅只是编译快)

所以说armgcc并没有那么大的优势，但是也可以接受。

主要是ARMCC和ARMCLANG是商用编译器，而ARMGCC是开源编译器，所以可以搭配CMake，Makefile等使用，可以更好管理项目，也可以支持全平台(Windows，Linux，MacOS等）

详细教程STM32+CMake工程部署

  1. Linux基本配置

Vinci机器人队Linux入门教程

  1. CMake工程搭建

CMake C/C++编译环境配置

  1. OpenCV_CUDA环境搭建

  2. Linux

更推荐在Linux上部署，一些深度学习的东西，在Linux上的运行速度要明显远远高于Windows。

如果你没有空闲硬盘装Linux了，可以考虑WSL2(在Windows上运行的Linux子系统2)，虽有一点点性能损失，但速度也远远高于Windows。

WSL2安装教程Vinci机器人队Linux入门教程

实体机Linux＞WSL2＞＞Windows

关于cv_bridge:最好在安装ros之前编译opencv，这样安装ros时,cv_bridge就会自己指向已经安装过的opencv，并且ros不会另外安装opencv，如此就可以通过find_package指令找到电脑上仅有的cv_bridge和opencv，保证系统环境不被污染。关于补救办法，请看常见问题

  1. 保证显卡正常

请确保 英伟达驱动、CUDA、cuDNN 全部安装成功并且版本正确。

(安装驱动、CUDA、cuDNN教程:Vinci机器人队Linux入门教程)

1
2
3
4
5
6

# 检查显卡驱动
nvidia-smi
# 验证CUDA是否安装成功
nvcc -V
# 检查cuDNN版本命令(仅仅只是查了头文件)
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

出现下图这样的，则你是有英伟达驱动，CUDA以及cuDNN的

  1. 安装依赖项

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# Debian系系统
sudo apt install -y libcurl4 build-essential pkg-config cmake-gui \
    libopenblas-dev libeigen3-dev libtbb-dev \
    libavcodec-dev libavformat-dev \
    libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev \
    libswscale-dev libgtk-3-dev libpng-dev libjpeg-dev \
    libcanberra-gtk-module libcanberra-gtk3-module libv4l-dev python3-dev python3-numpy
    
    
# RHEL红帽系系统
bash -c 'sudo dnf install https://mirrors.rpmfusion.org/free/fedora/rpmfusion-free-release-$(rpm -E %fedora).noarch.rpm https://mirrors.rpmfusion.org/nonfree/fedora/rpmfusion-nonfree-release-$(rpm -E %fedora).noarch.rpm'
sudo dnf install -y curl gcc gcc-c++ make cmake cmake-gui \
    openblas-devel eigen3-devel tbb-devel \
    ffmpeg-libs ffmpeg-devel \
    gstreamer1-plugins-base-devel gstreamer1-devel \
    gtk3-devel libpng-devel libjpeg-devel \
    libc=aanberra-gtk3 libcanberra-devel v4l-utils v4l2loopback openexr-devel python3-dev python3-numpy

下方表格是这些依赖的说明

td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;} | 生成 OpenCV 的主要依赖项 | |:—| | 名称 | apt package 名称 | 功能 | | 编译系统 | build-essential cmake cmake-gui pkg-config | 生成 OpenCV | | 图像库 | libpng-dev libjpeg-dev | 提供各类图像格式的编解码 | | OpenBLAS | libopenblas-dev | 利用 CPU 向量运算指令为大量算法提供加速。 | | Eigen3 | libeigen3-dev | 提供线性代数相关算法支持 | | Intel TBB | libtbb-dev | 在 Intel CPU 上提供高性能并发计算支持 | | FFMPEG | libavcodec-dev libavformat-dev libswscale-dev | 提供视频编解码能力 | | GStreamer | libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev | 提供流媒体处理能力 | | GTK | libgtk-3-dev libcanberra-gtk-module libcanberra-gtk3-module | 图形化用户界面 | | Video4Linux | libv4l-dev | Linux摄像头库 |

  1. 下载OpenCV源码

https://github.com/opencv/opencv

https://github.com/opencv/opencv_contrib

1
2
3

# 创建文件夹存放源码
mkdir -p ooppccvv
cd ooppccvv


1
2
3

# 解压源码
unzip ./opencv-4.11.0.zip
unzip ./opencv_contrib-4.11.0.zip

确认一下 opencv 目录和 opencv-contrib 目录位于相同的父目录内，并确认这两个目录下都存在 modules 子目录：(一般不用确认，只要你照着敲我上方的命令，一定没问题)

  1. CMake编译

  2. 准备工作

1
2
3

# 创建build文件夹用于装CMake生成的内容:
cd opencv-4.11.0
mkdir -p build && cd build

OpenCV使用CMake与Makefile进行编译，编译选项较多，详见（也可以不看，不过不同版本有些CMake编译选项是不同的）：

https://docs.opencv.org/4.10.0/db/d05/tutorial_config_reference.html

下方被划掉的是在OpenCV4.11.0中已经不复存在的参数，但是可能在其他版本的OpenCV中仍有效，请自行用CMake-LAH(不推荐)命令或者CMake-gui(推荐)查看。

td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;} | OpenCV4.11.0 CMake常用编译选项表一览 | |:—| | 序号 | CMake参数名 | 参数值 | 作用 | | 1 | CMAKE_BUILD_TYPE | Release | 不在行成的库文件中包含调试信息，并进行速度优化。如果指定为 Debug ，就可以在 Debug 过程中进入 OpenCV 内部的代码，但运行速度会略微下降。 | | 2 | CMAKE_INSTALL_PREFIX | /usr/local | 指定 OpenCV 生成的库文件在系统中的安装路径。 | | 3 | CMAKE_VERBOSE_MAKEFILE | ON | 务必开启，以便于发现编译中出现的问题。 | | 4 | BUILD_SHARED_LIBS | ON | 成共享库（.so），如果置为 OFF 则只会生成静态库（.a） | | 5 | OPENCV_EXTRA_MODULES_PATH | | 按之前的描述，应为 「../../opencv_contrib-4.10.0/modules」。如果使用CMake-GUI则应为「../opencv_contrib-4.10.0/modules」。可以用 ls 命令确认相对路径是否存在。 | | 6 | OPENCV_ENABLE_NONFREE | ON | 如果置为OFF，一些包含专利保护算法的函数将不会生成。 | | 7 | ENABLE_CXX11 | ON | 支持 C++11 以上的语法和 STL 库。 | | 8 | BUILD_TESTS | OFF | 可以关闭生成后的自我 TEST ，大多数情况没有必要开启，可大辐缩短生成时间。但如果怀疑生成的 OpenCV 库有问题，则尽量开启一下，可以进行自测。 | | 9 | BUILD_PERF_TESTS | OFF | | 10 | OPENCV_GENERATE_PKGCONFIG | ON | 建议开启，便于 C++ 程序通过 pkg-config 来引用 OpenCV 库。 | | 11 | WITH_GTK | ON | 编译图形界面，cv2.show会用到 | | 12 | CUDA_ARCH_BIN | 7.2;8.6;8.7 | 这俩空需要填显卡算力，下面会有教程教你怎么查你的显卡算力。BIN指定为哪些 真实 GPU 架构 生成二进制代码（SASS），通常你要编译几张不同显卡，就要用分号分隔开这些显卡对应的算力（如 "7.2;8.6;8.7" ）。PTX指定为哪些 虚拟架构 生成 PTX 中间代码（用于未来 GPU 的 JIT 编译） 。通常只需设置BIN的最高算力（如 "8.7" ）。 | | 13 | CUDA_ARCH_PTX | 8.7 | | 14 | WITH_CUDA | ON | 如果系统正确安装了 CUDA 并希望 OpenCV 启用 CUDA 支持，这四个选项都要打开。 | | 15 | ENABLE_FAST_MATH | ON | 支持math快速计算 | | 16 | CUDA_FAST_MATH | ON | cuda的math快速计算 | | 17 | WITH_CUBLAS | ON | 开启CUBLAS | | 18 | WITH_CUDNN | ON | 希望OpenCV启用cuDNN支持，这三项要打开 | | 19 | WITH_DNN | ON | 开启DNN | | 20 | OPENCV_DNN_CUDA | ON | 启用CUDA，必须安装CUDA、CUBLAS和CUDNN。 | | 21 | CUDA_HOST_COMPILER | /usr/bin/gcc-13 | (可选)如果你是gcc14及以上，请安装一个gcc13及以下，改用gcc13及以下编译CUDA | | 22 | WITH_IPP | ON | 这四个选项控制 OpenCV 如何进行并发运算，默认都是 ON，但如果有需要生成一个绝对单线程运行的 OpenCV ，请将这几个选项均置为 OFF 。 | | 23 | WITH_TBB | ON | | | 24 | WITH_OPENMP | ON | | | 25 | WITH_PTHREADS_PF | ON | | | 26 | BUILD_opencv_python3 | ON | OpenCV 提供 Python3 支持。在OpenCV4的某个版本已经默认打开。 | | 27 | OPENCV_PYTHON3_VERSION | Python3版本，如3.12 | 填你的python3版本，比如Fedora42是Python3.13，就填3.13 | | 28 | PYTHON3_EXECUTABLE | Python3路径 | Python3 C++接口库的路径/usr/bin/python3 | | 29 | PYTHON3_LIBRARY | Lib路径 | Python3 C++接口库的路径 | | 30 | PYTHON3_NUMPY_INCLUDE_DIRS | 矩阵库Head路径 | Python3 矩阵库头文件的路径 | | 31 | PYTHON3_INCLUDE_DIR | Head路径 | Python3 C++头文件的路径 | | 32 | PYTHON3_PACKAGES_PATH | Path路径 | OpenCV 的 Python3 包安装的路径 | | 33 | WITH_OPENGL | ON | 启用OPENGL | | | | | |

  1. 查询GPU Compute Capability(CUDA_ARCH_BIN参数):

https://developer.nvidia.com/cuda-gpus#collapseOne

进入网站后，

GeForce代表英伟达游戏系列显卡，常见的有GTX1080，RTX3080，RTX 4080等。

Jetson代表工控机序列显卡。

我是3060Laptop(笔记本移动端显卡，所以找右列的Notebook下方的3060)

如果你是3060(台式桌面端，则要找左列的3060)

通过图得知，我的显卡算力(GPU Compute Capability)为8.6，所以我的CMake的CUDA_ARCH_BIN参数为8.6。

CUDA_ARCH_PTX为BIN的最高值，我只设置了一个BIN，所以最高值就是这个8.6。(只有你要给电脑更换显卡的情况下，才要给BIN设置多个值，就需要把你要用的显卡的值全包含在BIN中，而PTX只需要BIN的最高值即可)

  1. Python3的路径查询，请在终端中使用，检查是否都有结果生成，确保打印出的结果符合预期后再进行下面的CMake生成操作。(不需要记住路径)

当然你也可以用命令反馈出来的路径复制出来，这个路径就是参数的值。

1
2
3
4
5
6
7
8

# Python3 C++接口库的路径
python3 -c "import sysconfig; from os.path import join; print(join(sysconfig.get_config_var('LIBDIR'), sysconfig.get_config_var('LDLIBRARY')))"
# Python3 矩阵库头文件的路径
python3 -c "import numpy; print(numpy.get_include())"
# OpenCV 的 Python3 包安装的路径。
python3 -c "import sysconfig; print(sysconfig.get_path('purelib'))"
# Python3 头文件的路径
python3 -c "import sysconfig; print(sysconfig.get_path('include'))"

  1. CMake编译(两种方式选其一)

因为电脑配置的不同，每个电脑的硬件，软件(依赖包)等都不同，所以我能跑起来的你不一定一下就能跑成功。

一般很难风调雨顺，如果有问题及时去百度，谷歌，OpenCV论坛上找答案。

论坛:https://forum.opencv.org/

  1. CMake终端命令方式(不建议，更建议用GUI的方式，这种终端的方式容易出奇奇怪怪的问题)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

cmake .. -DCMAKE_BUILD_TYPE=Release \
        -DCMAKE_INSTALL_PREFIX=/usr/local \
        -DBUILD_SHARED_LIBS=ON \
        -DOPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.11.0/modules \
        -DOPENCV_ENABLE_NONFREE=ON \
        -DBUILD_TESTS=ON \
        -DBUILD_PERF_TESTS=ON \
        -DOPENCV_GENERATE_PKGCONFIG=ON \
        -DWITH_GTK=ON \
        -DWITH_CUDA=ON \
        -DENABLE_FAST_MATH=ON \
        -DCUDA_FAST_MATH=ON \
        -DWITH_CUBLAS=ON \
        -DCUDA_ARCH_BIN="8.6" \
        -DCUDA_ARCH_PTX="8.6" \
        -DCUDA_HOST_COMPILER=/usr/bin/gcc-13 \
        -DWITH_CUDNN=ON \
        -DOPENCV_DNN_CUDA=ON \
        -DWITH_IPP=ON \
        -DWITH_TBB=ON \
        -DWITH_OPENMP=ON \
        -DWITH_PTHREADS_PF=ON \
        -DOPENCV_PYTHON3_VERSION=3.12 \
        -DPYTHON3_EXECUTABLE=/usr/bin/python3 \
        -DPYTHON3_LIBRARY=$(python3 -c "import sysconfig; from os.path import join; print(join(sysconfig.get_config_var('LIBDIR'), sysconfig.get_config_var('LDLIBRARY')))") \
        -DPYTHON3_NUMPY_INCLUDE_DIRS=$(python3 -c "import numpy; print(numpy.get_include())") \
        -DPYTHON3_PACKAGES_PATH=$(python3 -c "import sysconfig; print(sysconfig.get_path('purelib'))") \
        -DPYTHON3_INCLUDE_DIR=$(python3 -c "import sysconfig; print(sysconfig.get_path('include'))") \
        -DWITH_OPENGL=ON

你可以根据你的需要，按照之前的说明来自行增减或修改这些选项。如果 cmake 命令出错，往往是缺少依赖项或配置的生成选项不正确所致，可根据提示信息来检查。如果执行成功，就可以进行编译（请看Makefiles编译部分）了：

  1. CMake-GUI方式(推荐，不过太麻烦，但是问题少，且更好找问题)
  2. 打开CMake-GUI：

配置一下这俩路径

点击左下角配置，选择Makefiles

  1. 配置参数

根据上方表格去挨个参数进行配置。填完所有选项后，配置完毕点Configure.

在配置参数遇到问题，请看下面的常见问题章节。

你可以根据你的需要，按照之前的说明来自行增减或修改这些选项。如果 cmake 命令出错，往往是缺少依赖项或配置的生成选项不正确所致，可根据提示信息来检查。如果执行成功，就可以进行编译(进行Makefiles编译)了：

  1. 常见问题
  2. 无CUDA选项

有时候CMake-GUI只会在编译后才显示某些参数(比如只有编译过WITH_CUDA才会显示CUDA相关的选项)。

所以你需要先把WITH_CUDA打上勾，再点左下角的config,这样才会出现和CUDA相关的选项，再把那些选项配置一下。

  1. 模组的路径与命令行方式不同

需要注意的是，这个相对路径与直接敲CMake命令配置的参数不同，这里是../opencv_contrib-4.11.0/modules。

  1. OPENCV_PYTHON3_VERSION参数的类型错了

在cmake-gui中不知道为何OPENCV_PYTHON3_VERSION参数的类型成了布尔型。

需要手动改为字符串型数据。

上图就是问题所在，这里竟然是个布尔值。

先删掉该选项。

再重新添加一个该选项。

1
2

# 查看python3版本
python3 --version

在下面填上3.12，后面的小版本号不用填。

  1. Makefiles编译

后面 -j 参数的意义是使用所有 CPU 参与编译。如果启用了 CUDA ，生成过程会比较慢，请耐心等待。编译期间如果出错往往是编译器、系统库、三方库的版本兼容性问题，找问题的难度偏大。

请在build目录下进行下方命令。

1
2
3
4
5
6
7
8

# 内存小于16GB
make all
# 内存等于16GB
make all -j$(( $(grep -c ^processor /proc/cpuinfo) / 2 ))
# 内存大于32GB
make all -j$(grep -c ^processor /proc/cpuinfo)
# 或者自行规定线程数量（比如16线程）
make all -j16

全核跑编译

如图才是真编译成功，没有错误。

生成结束后，执行以下命令进行安装：

$(grep -c ^processor /proc/cpuinfo)变量为CPU线程的数量。(这样可以使CPU全力多线程进行编译)

1
2
3
4
5
6
7
8

# 内存小于16GB
sudo make install
# 内存等于16GB
sudo make install -j$(( $(grep -c ^processor /proc/cpuinfo) / 2 ))
# 内存大于32GB
sudo make install -j$(grep -c ^processor /proc/cpuinfo)
# 或者自行规定线程数量（比如16线程）
sudo make install -j16

无报错则安装成功

  1. 配置OpenCV环境变量ENV

  2. 可能需要配置一下lib的路径：
1

vim ~/.bashrc

在最底下加上下方的内容

1
2

# 设置 LD_LIBRARY_PATH
export LD_LIBRARY_PATH="/usr/local/lib:$LD_LIBRARY_PATH"
  1. 其他的不用配置，开箱即用(可以配置一下pkg-config)，

检查是否安装成功：

1

opencv_version

  1. 测试OpenCV_CUDA(CMake程序示例)

  2. CMake是一定要掌握的，请看下方文档学习:CMake C/C++编译环境配置

  3. 如图测试完毕：

  1. 下方是实例工程我已上传至GitHub供大家下载：(下方示例工程里的CMake模板不是最新的，可能不如新版功能齐全，不如新版各方面设计的更周到，如果想找最新版模板请看CMake C/C++编译环境配置)

https://github.com/tungchiahui/opencv_cuda_test

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# 克隆源码
git clone https://github.com/tungchiahui/opencv_cuda_test.git
# cd进工程
cd opencv_cuda_test
# cd进build目录
cd build
# 进行cmake编译
cmake ..
# 进行make编译+进行make install安装(最大线程)
make install -j$(grep -c ^processor /proc/cpuinfo)
# 给予脚本执行权限
sudo chmod a+x ../script/setup_vinci_emis.bash
sudo chmod a+x ../script/vinci_emis
sudo chmod a+x ../install/.setup.bash
# 执行环境脚本
source ../script/setup_vinci_emis.bash
# 执行demo1二进制程序
../script/vinci_emis run demo1

或者直接点击Run，Start Debugging或者Run Without Debugging都可以。(已经将launch.json及task.json全部配置好了)(发现bug及时call我，call我之前，请看最新CMake模板是否已经修复了该bug，若未修复，再call我)

测试完毕

  1. 常见问题

  2. cmake -jx编译遇到operator!=或权重weight相关问题

      这个问题大多发生在ubuntu20.04或者cuda12.2上，编译时添加contrib库，对应ros版本为noetic，opencv版本为4.8.0。

      github上的讨论：

https://github.com/ros-perception/vision_opencv/tree/kinetic

根据GitHub中的解决方案，将对应报错.hpp文件中的相应代码修改（若只是有一些WARNING那大可不必修改）：

114 opencv/modules/dnn/src/cuda4dnn/primitives/normalize_bbox.hpp 中 if (weight != 1.0)改为 if (weight != static_cast<T>(1.0))

124 opencv/modules/dnn/src/cuda4dnn/primitives/region.hpp 中if (nms_iou_threshold > 0)

改为 if (nms_iou_threshold > static_cast<T>(0))

再次编译

1

make -j16

  1. ros原装opencv与自己搭建的opencv_cuda冲突的问题

原因：ros自带的cv_bridge自动链接ros的opencv，而ros自带的opencv没有cuda加速，故报错。

Ubuntu允许多版本 opencv共存，不建议直接卸载opencv，可能导致相关环境异常。

解决方案：额外配置一个版本的cv_bridge进行opencv的链接

  1. ROS1

解决方案：

在https://github.com/ros-perception/vision_opencv/tree/kinetic中下载对应版本的cv_bridge

先对cv_bridge中的CmakeList.txt进行修改，OpencvDIR对应自己的opencv安装路径，并将修改包名：

1
2
3
4
5
6
7
8
9
10

project(cv_bridge_480)#修改为你的包名，加个版本号就可以
set(OpenCV_DIR "/home/liu/opencv/opencv-4.8.0")
find_package(OpenCV 4.8.0 REQUIRED
  COMPONENTS
    opencv_core
    opencv_imgproc
    opencv_imgcodecs
  CONFIG
)

修改package.xml中的包名

1

  <name>cv_bridge_480</name>

此时将cv_bridge作为一个ros功能包进行编译，把包整体复制进你工作空间的src中进行编译

1
2

cp -rf ./cv_bridge ~/Yolo_Tensorrt_Demo/demo01_test/src
catkin_make

然后就可以将cv_bridge作为功能包使用了，在你原本的包CmakeLists中添加

1

find_package(cv_bridge_480)

package.xml:

1
2
3

<build_depend>cv_bridge_480</build_depend>
<build_export_depend>cv_bridge_480</build_export_depend>
<exec_depend>cv_bridge_480</exec_depend>

到这里自定义的cv_bridge包就配好了

如果你还想在vscode中使用代码补全，添加路径一直到cv_bridge包的include就可以,我这里是另一个工作空间，都一样。

1
2
3
4
5

"includePath": [
    "/home/liu/cv_bridge_ws/src/cv_bridge/include",
    "/home/liu/cv_bridge_ws/src/cv_bridge"

]
  1. ROS2

详见ROS2机器人操作系统教程中CV_Bridge章节.

  1. opencv编译爆内存的问题

解决方案：采用多核编译，一般采用make -j16 （这里16是CPU线程数，可以根据实际情况进行调整）即可解决，cpu线程越多，编译速度就越快

  1. windows中：

Mingw：

mingw64-make -j16

值得注意的是，mingw并不支持windows上的opencv_contrib编译，这在configure一开始就会提示

Vs：

https://blog.csdn.net/hollyholly5/article/details/68062513

  1. linux中：
1

make -j$(grep -c ^processor /proc/cpuinfo)

  1. Windows

详见使用OpenCV推理Yolov8模型（C++）

  1. YOLO环境搭建

  2. Windows

深度学习算法-Yolo系列

  1. Linux(WSL2也能用)

  2. ROS环境搭建

ROS机器人操作系统教程

ROS2机器人操作系统教程

ROS1已经EOF了，官方鼓励使用ROS2.

  1. 推荐的搭建环境

  2. 方案一(推荐)

ROS1=Kubuntu20.04（Noetic与20.04双双寿终正寝）

ROS2=Kubuntu22.04+

仍然建议使用22.04+Humble Noetic，Humble，Jazzy这几个LTS之间主要有以下区别:

  1. Noetic是ROS1的LTS（长支持版），将于2025年5月31日EOF寿终正寝，自带算法比较老，依赖于其他非自带算法，但是教程最多，第三方算法支持也比较多。

  2. Humble是ROS2的第一个LTS，支持到2027年5月31日或海龟节，自带老版Gazebo Classic和新版Igntion Gazebo（独一份支持新旧两个Gazebo版本比较好的ROS版本），选择性比较广，自带算法比较新，教程正在逐渐增多中，第三方算法也在逐渐增多中，很多用ROS1的人都在往ROS2Humble上转。

  3. Jazzy是ROS2第二个LTS，支持到2029年5月31日或海龟节，在Humble的基础上，多了一些功能，但只有新版Gazebo Sim，针对Jazzy做ROS2教程的资料很少很少，而且很多第三方算法也并未针对Jazzy做相应版本，但是Jazzy目前来看兼容很多Humble的算法与教程，目前除了新版Gazebo改名需要改一些标记语言的标签外，没发现其他代码不兼容的地方。

  4. 方案二(也是比较推荐，但是要多学个Docker)

  5. 系统发行版:Fedora KDE（学长比较推荐，选一个自己喜欢的其他Linux发行版也行）

  6. ROS1Noetic安装方式:Docker

  7. ROS2Humble/Jazzy安装方式:Docker 详看Docker教程

  8. 方案三(可以用)

  9. 系统发行版:Kubuntu 22.04 Jammy LTS / Kubuntu 24.04 Jammy LTS

  10. ROS1Noetic安装方式:西南交通大佬的ppa(详见上面ROS文档中，仅amd64(x86_64))

  11. ROS2Humble / ROS2Jazzy安装方式:官方二进制安装方式(详见上面的ROS2文档中)

  12. 方案四(可以用)

  13. 系统发行版:Windows10及以上

  14. WSL2发行版:Ubuntu24.04 Noble LTS

  15. ROS1Noetic安装方式:西南交通大佬的ppa(详见上面ROS文档中，仅amd64(x86_64))

  16. ROS2Jazzy安装方式:官方二进制安装方式(详见上面的ROS2文档中)

  17. QT环境搭建

  18. 安装QT

  19. QT5

```Plain Text

debian系

sudo apt install qt5-default # 基础开发工具（qmake、moc 等） sudo apt install qtbase5-dev # Qt5 核心库开发文件 sudo apt install qttools5-dev # Qt5 工具（Qt Designer、Linguist 等）

红帽系

安装 Qt5 核心开发包

sudo dnf install qt5-qtbase-devel # Qt5 核心库开发文件 sudo dnf install qt5-qttools-devel # Qt5 工具（Qt Designer、Linguist 等）

安装常用模块（按需选择）

sudo dnf install
qt5-qtdeclarative-devel \ # Qt Quick qt5-qtsvg-devel \ # SVG 支持 qt5-qtwayland-devel \ # Wayland 支持 qt5-qtwebengine-devel # WebEngine 支持

1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.  ### QT6
    

https://www.qt.io/product/qt6

```bash
# debian系
sudo apt install qt6-base-dev qt6-tools-dev

# 红帽系
sudo dnf install qt6-qtbase-devel qt6-qttools-devel

sudo dnf install qt6-qtdeclarative-devel qt6-qtsvg-devel qt6-qtwayland-devel qt6-qt5compat-devel qt6-qtwebsockets-devel

  1. VScode环境配置

主要是CMake搭建QT5/QT6开发环境，详看CMake C/C++编译环境配置

  1. QT Designer生成.ui

主要是用下面这个软件进行图形化设计，然后生成.ui文件再转化为.h文件用于C/C++工程。

比如我们创建一个Helloworld窗口，打开QT Designer之后，选择创建Widget。

拖进来，输入Hello World！

可以调字体大小。

可以修改objectName，即是C++代码里调用的类名称。

最后保存.ui文件，一般是保存在功能包下的form文件夹下。

  1. 调用.ui类并编译运行

首先先确保你的VScode+CMake配置正确。

然后再cmake ..，接着make install，此时QT_Projects/QT6/QT6_Template/build/src/QT6TEST/目录下会出现.h文件。

然后可以在代码中引用这个.h。

接着实现自己的代码功能就可以了。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

#include "QT6TEST/inc/qt6_test.hpp"
#include <QApplication>
#include <QWidget>
#include "ui_mywidget.h"

int qt6_test(int argc,char **argv)
{
    QApplication app(argc, argv);

    // 创建主窗口和 UI 对象
    QWidget mainWindow;
    Ui::MyWidget ui;        // Ui 命名空间中的类名与 .ui 文件中的 class 属性一致
    ui.setupUi(&mainWindow);

    // 设置窗口标题
    mainWindow.setWindowTitle("Hello Qt6!");

    // 显示窗口
    mainWindow.show();

    return app.exec();
}

我这里有个配置好的QT6环境，你可以clone下来使用。

https://github.com/tungchiahui/QT_Projects/tree/main/QT6/QT6_Template

  1. Docker环境搭建

Docker教程