Jetson AGX Xavier进行边缘端算法环境配置、OpenCV和TensorRT配置

最新推荐文章于 2025-04-30 17:04:05 发布

MidasKing

最新推荐文章于 2025-04-30 17:04:05 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： c++ 文章标签：计算机视觉 opencv 人工智能

本文链接：https://blog.youkuaiyun.com/IEEE_FELLOW/article/details/127539532

c++ 专栏收录该内容

4 篇文章

订阅专栏

Jetson AGX Xavier移植和部署深度学习算法，需要依赖cuda、cudnn、tensorrt、opencv等库，不过好在jetpack包含了上述所有环境，无需额外编译opencv或者tensorrt等库。

其中opencv和tensorrt动态库位于：

/usr/lib/aarch64-linux-gnu/

目录下，很容易找到

opencv头文件位于：

/usr/include/opencv4/

使用时在CMakelist配置相应include_directories和link_directories即可。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

MidasKing

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

算法开发：jetson agx xavier配置虚环境，安装torch,opencv pycuda，tensorrt进行模型推理

suanfaxiazai的博客

08-03

741

至此环境全部安装完成，可以愉快的使用tensorrt做模型推理的，在x86上能跑的代码在xavier上也可以跑，例如我之前x86教程上的代码也可以在xavier上跑。因为刷机后自带tensorrt,因此要在虚环境中使用tensorrt需要拷贝,使用系统自带的python3查找tensorrt路径。cuda版本的opencv安装将在下一个教程中，现在安装opencv-python，安装时候一定要注意版本。下载torchvision：torch=1.8.0对应torchvision=0.9.0。

NVIDIA Jetson AGX Xavier YOLOv5 tensorRT部署和加速 C++版

黎国溥

01-09

662

前言在实现NVIDIA Jetson AGX Xavier 部署YOLOv5的深度学习环境，然后能正常推理跑模型后；发现模型速度不够快，于是使用tensorRT部署，加速模型，本文介绍C++版本的。版本介绍：yolov5 v6.0、tensorrtx；Jetpack 4.5 [L4T 32.5.0]、CUDA: 10.2.89。前提参考：NVIDIA Jetson AGX Xavier YOLOv5应用与部署_黎国溥-优快云博客我测试了 kitti 数据集的100张图片：加速后每一张图像，

参与评论您还未登录，请先登录后发表或查看评论

在nvidia jetson xavier、tx2上安装任意版本opencv

RAFA_CHANG的博客

02-09

5097

预先条件安装了jetpack4.2以上版本，通常已经自带opencv,但由于该opencv功能不全面，我们需要删除并安装行版本删除命令： sudo apt-get purge libopencv* 通过脚本安装两种选择 ① 一键脚本操作： git clone https://github.com/jetsonhacks/buildOpenCVXavier.git cd buildOp...

yolov5+tensorrt加速，部署在边缘计算设备（AGX、TX2、NX等）上，成功实现

w1319146554的博客

08-29

3580

yolov5+tensorrt加速，部署在边缘计算设备（AGX、TX2、NX等）上，成功实现

Jetson Xavier APX CUDA版OPENCV安装详解

最新发布

kechengzun的博客

04-30

486

首先，我们需要查看一下设备的环境和版本信息。可以通过sudo jtop然后选择下方菜单栏的选项得到：博主这里不知道为啥这里显示MISSING，但我用nvcc --version显示是由CUDA的，这里博主用的CUDA版本是。

jetson agx xavier安装opencv4

weixin_44868057的博客

11-08

1680

ubuntu下需要手动编译opencv及扩展包有大佬已经弄成sh，直接一健运行即可，他的sh支持Jetson AGX Xavier and Jetson Nano和tx2，附个地址：https://github.com/yqlbu/jetson-packages-family#pycharm 装完之后需要手动将cv2放到envs的python3.6下面， cv2编译好在/usr/local/lib/python3.6/site-packages/cv2/python-3.6，就是因为一开始没找到，我编译

Jeston agx xavier部署LOAM_LIVOX激光SLAM算法

dbw00的博客

09-24

974

由于之前的agx的环境有点乱，为了能更好的部署LOAM_LIVOX算法，利用了虚拟机对agx进行了刷机。

【Xavier】重装支持CUDA加速的OpenCV

eric_sun_000的博客

03-07

752

xaiver 从零安装带有CUDA加速的openCV

NVIDIA JETSON AGX XAVIER 环境配置记录

simulation2019的博客

10-26

1826

error-1: fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录。# error-2: fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录。# 在编译过程中出现的错误及解决办法。

Jetson AGX Xavier刷机+安装opencv+使用TensorRT加速推理yolo全过程+心路历程

SoulGuide的博客

03-18

4278

从Xavier的刷机弯路到整个完成TensorRT推理Yolo最全记录集，适合相同需求的同学借鉴。有问题欢迎评论区留言或私信交流。

Jetson AGX Xavier python虚拟环境+yolo配置+opencv

qq_43158129的博客

12-04

2023

一、安装虚拟环境主要参考这两个博客： Archiconda3 jetson AGX Xavier配置python环境由于ARM架构不能安装Anaconda，因此选择Archiconda3，是用于64位ARM的conda发行版。安装如下： wget hwttps://github.com/Archiconda/build-tools/releases/download/0.2.3/Archiconda3-0.2.3-Linux-aarch64.sh bash Archiconda3-0.2.3-Linux

Nvidia TensorRT官方例程源代码

02-20

Nvidia TensorRT官方例程源代码，从TX1上拷贝下来的。

win10_yolov5_tensorRT

03-30

1，安装环境 CUDA10.2 张量RT7.2 OpenCV3.4（工程中已指定，不需安装） vs2015下载相关工程： : 2，生成yolov5s.wts文件在生成yolov5s.wts前，首先需要模型。同时，需要我们安装环境。这里可以参考网上其他文章或github教程进行配置安装，这里不详加说明。将tensorrtx-master\yolov5文件夹下的gen_wts.py拷贝到ultralytics/yolov5文件夹下在当前目录下执行： python gen_wts.py 最终我们会在当前目录下得到一个yolov5s.wts文件。 3，vs2015环境建设这里我们使用别人已经编好的库，下载连接：。（注意：部分头文件，lib文件已在我之后的工程中命名，有需要的同学可以直接下载）创建vs工程，命名为yolov5_Trt，重新连接tensorrtx-master

使用OpenCV操作CUDA送检图像到TensorRT(SSD模型)

ikevin的专栏

04-02

5715

本地环境: Core i7 7700HQ, GTX 1060 6G. 开发环境(安装顺序): 1) Nvidia Driver 384; 2) Cuda 9; 3) Cudnn7 for cuda 9; 4) OpenCV 3.4.1; 5) TensorRT 3...

Jetson AGX Xavier编译CUDA版本的OpenCV4.5.0

Tracy_Baker的博客

02-14

6962

我没有删除自带的opencv4.1.1，直接编译的opencv4.5.0. 1、下载opencv4.5.0和opencv-contrib4.5.0的源码包 opencv4.5.0:https://github.com/opencv/opencv/releases opencv-contrib4.5.0:https://github.com/opencv/opencv_contrib/releases 2、解压opencv与opencv-contrib，并将opencv-contrib文件夹放到opencv文

VS2019永久配置Opencv+TensorRT

秋意为谁白的博客

08-12

1508

配置、加载属性表实现VS永久配置Opencv和tensorRT

tensorRT安装(提前编译opencv)

septoct的博客

04-08

489

注：这里仅记录用tar安装tensorRT的流程，注意的是解压版的tar需要我们手动去修改lib的路径，如果是使用安装版的，就不需要了，安装版需要root权限进行安装。 1.查询自己的ubuntu、CUDA、cuDNN版本： # 查看cuda版本 cat /usr/local/cuda/version.txt # 查看cuDNN版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 # 查看ubuntu版本 cat /etc/issue

Jetson TX2 NX开发板个人成长之路（3）TensorRT 环境搭建(jetson-inference)

littlelolo的博客

12-09

549

又是写了相当于没写的过程记录

Jetson Xavier NX编译OpenCV(with cuda)

propor的专栏

04-10

2954

Jetson Xavier NX,OpenCV,cuda

NVIDIA Jetson AGX Xavier环境配置

03-25

### NVIDIA Jetson AGX Xavier 开发环境配置教程 #### 刷机与基础设置对于初次使用的设备，刷机是一个重要的环节。通过官方工具 `JetPack` 或者手动方式可以完成系统的初始化安装[^1]。需要注意的是，在执行刷机前应备份重要数据，并确认硬件连接无误。 #### ROS 系统部署针对移动机器人的开发需求，ROS 是不可或缺的一部分。可以通过以下命令来快速安装 ROS 并验证其功能： ```bash sudo apt update && sudo apt upgrade -y sudo apt install ros-melodic-desktop-full -y source /opt/ros/melodic/setup.bash echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc roscore & ``` 上述脚本会自动更新包管理器索引、安装完整的 ROS 桌面版本以及将其路径加入到用户的 shell 初始化文件中。 #### 远程桌面访问(VNC) 为了提高工作效率，通常需要配置远程桌面服务以便于调试程序或查看图形化界面的结果。按照标准流程启用 VNC Server 后，客户端即可通过网络实现对目标主机的操作控制[^2]: ```bash sudo apt-get install tightvncserver tightvncserver :1 ``` 启动之后记得设定密码保护机制以防未经授权的接入尝试发生。 #### 文件系统迁移(克隆) 当多台相同型号设备间共享同一套定制化的软件栈时，则可能涉及到整个磁盘映像复制的过程。利用 dd 工具配合正确的参数选项能够高效达成此目的: ```bash dd if=/dev/sda of=backup.img bs=4M status=progress conv=noerror,sync ``` 这里假设原始驱动器位于 `/dev/sda` 下；实际应用过程中应当依据具体情况调整相应位置标识符[^3]。 #### 常见错误处理在构建复杂的计算机视觉项目期间难免遇到各种编译链接阶段产生的告警或者终止状况。例如缺少某些特定头文件定义的情形下就需要额外关注依赖关系链路是否健全完备[^4]: ```bash cd ~/opencv/build/ cmake .. make -j$(nproc) sudo make install ``` 以上片段展示了重新生成 Makefile 和加速构建过程的方法论之一部分实例演示而已并非绝对唯一解决方案途径。