Ubuntu18中cuda11.6+cuDNN8.4.1+tensorRT8.4.3.1+opencv4.2.0配置（AirVO配置）(超详细)

原创已于 2023-07-07 00:06:02 修改 · 2.8k 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #机器人 #c++

于 2023-07-04 21:31:09 首次发布

该文详细介绍了如何在Ubuntu系统中安装CUDA11.6,cuDNN8.4.1,TensorRT8.4.3,OpenCV4.2以及g2o和ceres等依赖库的步骤，包括下载、配置环境变量、编译和安装过程，同时提到了可能遇到的问题及解决方法。

部署运行你感兴趣的模型镜像

已有cuda11.4，eigen3.3.4，ros melodic，ceres 1.14，boost 1.65

注意：我没有尝试过cuda11.4+cuDnn8.4.1+tensorRT8.4.3是否可以，但是根据cuda和cudnn的对应、tensorRT8.4.3支持列表，其实是支持的。我是重新装了cuda。如果大家装了别的cuda11，可以先尝试一下。重装了cuda和cuDnn后要删除opencv的build文件夹，重新编译和安装。

1、cuda11.6（重装cuda之前要记得看nvidia驱动是否支持，不支持要重装驱动）

CUDA 12.2 Release Notes

#查看驱动版本和支持的cuda
nvidia-smi

重装驱动我后续再写一篇。

卸载原来的cuda：

cd /usr/local/cuda-xx.x/bin/ （进入你的cuda文件夹下）
sudo ./cuda-uninstaller
sudo rm -rf /usr/local/cuda-xx.x（删除cuda文件夹）

安装新的cuda：

CUDA Toolkit Archive | NVIDIA Developer

选择x86 ubuntu 18.04和runfile

我这里使用了run的方式，你也可以使用deb的方式。

wget https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_510.47.03_linux.run
sudo sh cuda_11.6.2_510.47.03_linux.run

"x"表示选中，不要安装附带驱动，然后其他默认即可。

添加路径：

gedit ~/.bashrc
#输入
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64
#保存退出
source ~/.bashrc

完成后使用nvcc -V查看版本。

2、cuDnn8.4.1

推荐deb安装，参考官方Installation Guide - NVIDIA Docs，下载链接：

cuDNN Archive | NVIDIA Developer

Download cuDNN v8.4.1 (May 27th, 2022), for CUDA 11.x

Local Installer for Ubuntu18.04 x86_64 (Deb)

sudo dpkg -i cudnn-local-repo-ubuntu1804-8.4.1.50_1.0-1_amd64.deb
#根据提示导入KEY，不要复制
sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update
sudo apt-get install libcudnn8=8.4.1.50-1+cuda11.6
sudo apt-get install libcudnn8-dev=8.4.1.50-1+cuda11.6
sudo apt-get install libcudnn8-samples=8.4.1.50-1+cuda11.6
#我有点不记得"="后面的版本号了，可以使用apt-cache查询，或者不指定
sudo apt-get install libcudnn8
sudo apt-get install libcudnn8-dev
sudo apt-get install libcudnn8-samples

sudo dpkg -l | grep cudnn
#查看

3、opencv4.2(如果重装cuda，要重新编译安装)

sudo apt-get install build-essential cmake libjpeg-dev libtiff5-dev libpng-dev libavcodec-dev libavformat-dev libswscale-dev libxvidcore-dev libx264-dev libxine2-dev libv4l-dev v4l-utils libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libgtk2.0-dev mesa-utils libgl1-mesa-dri libgtkgl2.0-dev libgtkglext1-dev  libatlas-base-dev gfortran libeigen3-dev

下载opencv4.2和opencv-contrib-4.2，分别解压缩，opencv-contrib文件夹放进opencv-4.2文件夹中，我的显卡是2080Ti，所以bin是7.5

mkdir build && cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=/home/uestc213/data/opencv-4.2.0/opencv_contrib/modules -DOPENCV_DNN_CUDA=ON -DWITH_CUDA=ON -DCUDA_ARCH_BIN=7.5 -DBUILD_TESTS=OFF -D BUILD_SHARED_LIBS=ON -D BUILD_STATIC_LIBS=ON ..

make -j8

sudo make install

4、g2o 20230223

sudo apt install libsuitesparse-dev qtdeclarative5-dev qt5-qmake libqglviewer-dev-qt5
git clone https://github.com/RainerKuemmerle/g2o.git
cd g2o
mkdir build
cd build
cmake ..
make -j8
sudo  make install

5、tensorRT8.4.2

下载需要注册账号

以下方法安装成功，但是我的c++项目编译不通过，找不到tensorRT。

sudo gedit ~/.bashrc
输入
export LD_LIBRARY_PATH=/home/213/TensorRT-8.4.3.1/lib:$LD_LIBRARY_PATH
export LIBRARY_PATH=/home/213/TensorRT-8.4.3.1/lib::$LIBRARY_PATH
保存退出
source ~/.bashrc

# 安装后可使用python调用TensorRT
cd TensorRT- 8.4.3.1/python
pip3 install tensorrt-8.4.3.1-cp36-none-linux_x86_64.whl
# 安装UFF,支持tensorflow模型转化，若使用pytorch可以不装
cd TensorRT- 8.4.3.1/uff
pip3 install uff-0.6.9-py2.py3-none-any.whl
# 安装graphsurgeon，支持自定义结构
cd TensorRT- 8.4.3.1/graphsurgeon
pip3 install graphsurgeon-0.4.6-py2.py3-none-any.whl

用deb的方式：参考Installation Guide :: NVIDIA Deep Learning TensorRT DocumentationThis NVIDIA TensorRT 8.4.3 Installation Guide provides the installation requirements, a list of what is included in the TensorRT package, and step-by-step instructions for installing TensorRT.https://docs.nvidia.com/deeplearning/tensorrt/archives/tensorrt-843/install-guide/index.html#installing-debian首先要加入cuda11.6的deb(network)，保证依赖验证通过

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
sudo apt-get update
#如果安装过了cuda，这里就不要安装了。
#sudo apt-get -y install cuda

然后下载tensorRT的deb

#安装deb，这里的文件名，改为自己下载下来的，也可以tab补全
sudo dpkg -i nv-tensorrt-repo-${os}-${tag}_1-1_amd64.deb
sudo apt-key add /var/nv-tensorrt-repo-${os}-${tag}/*.pub

sudo apt-get update
sudo apt-get install tensorrt
#我这里不与tensorflow使用，只安装我需要的

python3 -m pip install numpy
sudo apt-get install python3-libnvinfer-dev
sudo apt-get install onnx-graphsurgeon
sudo apt-get install tensorrt-libs
sudo apt-get install tensorrt-dev
#维持旧版cuda与tensorrt关联
sudo apt-mark hold tensorrt-dev

#可以取消
sudo apt-mark unhold tensorrt-dev

6、glog

git clone https://github.com/google/glog.git
cd glog
cmake -S . -B build -G "Unix Makefiles"
cmake --build build
cmake --build build --target test
sudo cmake --build build --target install

7、ceres 2.0.0

可以直接去github下载压缩包，也可以

git clone --branch 2.0.0 https://github.com/ceres-solver/ceres-solver.git

cd ceres-solver
mkdir build 
cd build
#因为我已经装了一个ceres1.14，防止冲突，我重新设置路径
sudo mkdir /usr/local/ceres2.0.0
cmake -D CMAKE_INSTALL_PREFIX=/usr/local/ceres2.0.0 ..
make -j8
sudo make install

8、编译AIRVO

mkdir -p  airvo_ws/src
cd airvo_ws/src/
git clone https://github.com/sair-lab/AirVO.git
cd ..
catkin_make
source devel/setup.bash

9、遇到的错误和修改

1......

In file included from /usr/local/include/g2o/core/base_fixed_sized_edge.h:39:0,
                 from /usr/local/include/g2o/core/base_binary_edge.h:30,
                 from /usr/local/include/g2o/types/slam3d/types_slam3d.h:31,
                 from /home/uestc213/data/airvio_ws/src/AirVO/include/utils.h:25,
                 from /home/uestc213/data/airvio_ws/src/AirVO/src/camera.cc:4:
/usr/local/include/g2o/stuff/tuple_tools.h: In function ‘void g2o::tuple_apply_i(F&&, T&, int)’:
/usr/local/include/g2o/stuff/tuple_tools.h:45:35: error: ‘tuple_size_v’ is not a member of ‘std’
     std::make_index_sequence<std::tuple_size_v<std::decay_t<T>>>());
                                   ^~~~~~~~~~~~
/usr/local/include/g2o/stuff/tuple_tools.h:45:35: note: suggested alternative: ‘tuple_size’

修改cmakelist中
set(CMAKE_CXX_STANDARD 14)
为
set(CMAKE_CXX_STANDARD 17)

2.......

error: ‘make_unique’ is not a member of ‘g2o’
auto linear_solver = g2o::make_unique<SlamLinearSolver>();

使用20230223版本的g2o

3.......

/usr/local/include/g2o/core/base_variable_sized_edge.hpp:90:12: error: ‘class ceres::internal::FixedArray’ has no member named ‘fill’
add_vi.fill(0.);

单独安装ceres2.0.0在/usr/local/ceres2.0.0中
cmakelist中指定
set(Ceres_DIR /usr/local/ceres2.0.0/lib/cmake/Ceres)
find_package(Ceres 2.0.0 REQUIRED)
include_directories( ${CERES_INCLUDE_DIRS} )
target_link_libraries( ${CERES_LIBRARIES} )

4.....

如果是ubuntu18.04，还需要编译一个cv_bridge，否则容易运行报错

可以参考最后一部分，opencv4的cv_bridge部分

Ubuntu18.04 ROS Melodic的cv_bridge指向问题（四种方式，包括opencv4）_XiangrongZ的博客-优快云博客大概就是找不到ros的cv_bridgehttps://blog.youkuaiyun.com/llllldm/article/details/126334841

5....

编译可以通过，但是在运行时崩溃，提示libg2o_opengl_helper.so找不到，

用ldd devel/lib/libair_vo_lib.so | grep g2o，可以看到这个动态链接库找不到。

此时如果你的g2o安装路径是默认的，在/usr/local中，则使用sudo ldconfig，然后重新编译airvo即可。如果有不一样的安装路径，如多版本共存，则需要修改FindG2O.cmake文件，在AirVO的cmake文件夹中。添加上你的安装路径中的include和lib，然后在/etc/ld.so.conf.d/libc.conf文件中增加你的安装路径。再执行sudo ldconfig，再重新编译AirVO。

10、运行

source devel/setup.bash
roslaunch air_vo oivio.launch 

roslaunch air_vo uma_bumblebee_indoor.launch 

roslaunch air_vo euroc.launch 

roslaunch air_vo euroc_ros.launch

附、onnxruntime 1.12.1

这个我没有安装，但是可以运行。

根据NVIDIA - TensorRT | onnxruntime和NVIDIA - CUDA | onnxruntime

https://github.com/microsoft/onnxruntime.git
cd onnxruntime
git checkout v1.12.1
git submodule update --init --recursive
./build.sh --skip_tests --config Release --build_shared_lib
./build.sh --skip_tests --use_cuda --config Release --build_shared_lib --parallel --cuda_home /usr/local/cuda --cudnn_home /usr/local/cuda
./build.sh --build_shared_lib --skip_tests --config Release --use_cuda --cudnn_home /usr/local/cuda --cuda_home /usr/local/cuda  --use_tensorrt --tensorrt_home /home/213/TensorRT-8.4.3.1

进入
/home/uestc213/onnxruntime/build/Linux/Release
然后sudo make install

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理