Ubuntu22.04安装视觉环境(CUDA CUDNN TensorRT realsense PCL OpenCV)

于 2025-03-16 22:57:35 发布
阅读量2k 收藏 24
点赞数 13
文章标签： ubuntu opencv linux c++ github 电脑
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hunheyufu/article/details/146300355
版权

一、安装显卡驱动

先安装编译器

sudo apt install gcc g++ make cmake

nvidia驱动官网：Download The Official NVIDIA Drivers | NVIDIA

选择自己显卡和系统版本，并选择合适驱动

目前最新推荐安装驱动为Linux x64 (AMD64/EM64T) Display Driver 570.124.04 | Linux 64-bit

下载驱动，在终端中运行

sudo sh ./NVIDIA-Linux-x86_64-570.124.04.run

之后根据提示进行选择

Multiple kernel module types are available for this system. Which would you like to use?

选择 NVIDIA Proprietary 

Install NVIDIA's 32-bit compatibility libraries? 
选择 No  

这两个注意一下，其他要么Continue要么OK

安装完成后，重启电脑

sudo reboot

验证安装：

nvidia-smi

结果：

Sun Mar 16 20:15:03 2025       
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 570.124.04             Driver Version: 570.124.04     CUDA Version: 12.8     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 4060 ...    Off |   00000000:01:00.0  On |                  N/A |
| N/A   39C    P8              4W /   80W |     547MiB /   8188MiB |      3%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                                         
+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI              PID   Type   Process name                        GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A             935      G   /usr/lib/xorg/Xorg                      216MiB |
|    0   N/A  N/A            1171      G   /usr/bin/gnome-shell                     48MiB |
|    0   N/A  N/A            3036      G   ...pareRendererForSitePerProcess         90MiB |
|    0   N/A  N/A           10457      G   ...144 --variations-seed-version        133MiB |
|    0   N/A  N/A           13721      G   ...OTP --variations-seed-version         12MiB |
+-----------------------------------------------------------------------------------------+

这里的CUDA版本是当前驱动支持的最高版本，不是实际版本，我们根据实际需求选择要安装的CUDA版本

二、CUDA安装

CUDA CUDNN TensorRT版本需要对应上 我选择目前比较常用的CUDA-11.8

官网上一般只有最新的CUDA，老版本在右下角Archive of Previous CUDA Releases里

根据系统信息选择合适选项

将下面生成的代码在终端中运行：

# 下载.run文件
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
# 运行
sudo sh cuda_11.8.0_520.61.05_linux.run

出现

┌──────────────────────────────────────────────────────────────────────────────┐
│  End User License Agreement                                                  │
│  --------------------------                                                  │
│                                                                              │
│  NVIDIA Software License Agreement and CUDA Supplement to                    │
│  Software License Agreement. Last updated: October 8, 2021                   │
│                                                                              │
│  The CUDA Toolkit End User License Agreement applies to the                  │
│  NVIDIA CUDA Toolkit, the NVIDIA CUDA Samples, the NVIDIA                    │
│  Display Driver, NVIDIA Nsight tools (Visual Studio Edition),                │
│  and the associated documentation on CUDA APIs, programming                  │
│  model and development tools. If you do not agree with the                   │
│  terms and conditions of the license agreement, then do not                  │
│  download or use the software.                                               │
│                                                                              │
│  Last updated: October 8, 2021.                                              │
│                                                                              │
│                                                                              │
│  Preface                                                                     │
│  -------                                                                     │
│                                                                              │
│──────────────────────────────────────────────────────────────────────────────│
│ Do you accept the above EULA? (accept/decline/quit):                         │
│                                                                              │
└──────────────────────────────────────────────────────────────────────────────┘

在最下面输入accept（屏幕分辨率太小可能找不到输入的地方，换一块大显示器吧）

用上下箭头和回车键选择安装内容如下（不安装驱动）：

┌──────────────────────────────────────────────────────────────────────────────┐
│ CUDA Installer                                                               │
│ - [ ] Driver                                                                 │
│      [ ] 520.61.05                                                           │
│ + [X] CUDA Toolkit 11.8                                                      │
│   [X] CUDA Demo Suite 11.8                                                   │
│   [X] CUDA Documentation 11.8                                                │
│ - [ ] Kernel Objects                                                         │
│      [ ] nvidia-fs                                                           │
│   Options                                                                    │
│   Install                                                                    │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│ Up/Down: Move | Left/Right: Expand | 'Enter': Select | 'A': Advanced options │
└──────────────────────────────────────────────────────────────────────────────┘

高光移动到Install上，按回车键，稍等片刻，安装成功

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-11.8/

Please make sure that
 -   PATH includes /usr/local/cuda-11.8/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-11.8/lib64, or, add /usr/local/cuda-11.8/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.8/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 520.00 is required for CUDA 11.8 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver

Logfile is /var/log/cuda-installer.log

编辑环境变量：

gedit ~/.bashrc

在末尾添加：

# cuda-11.8
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=/usr/local/cuda

保存并退出，刷新环境变量：

source ~/.bashrc

验证安装：

nvcc -V

结果：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

CUDA 安装成功

三、安装CUDNN

官网：cuDNN Archive | NVIDIA Developer

我选择8.9.7版本

注意：CUDNN每个版本都有对应的CUDA11和CUDA12版本，要和自己CUDA版本对应上

CUDNN8.9.7 Ubuntu22.04 x86-64下载地址：

cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb

要先登陆nvidia账号才能下载

安装：

sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb

根据安装结束后的提示安装key：

sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.7.29/cudnn-local-8AE81B24-keyring.gpg /usr/share/keyrings/

再安装以下内容：

sudo apt-get update
sudo apt-get install libcudnn8=8.9.7.29-1+cuda11.8
sudo apt-get install libcudnn8-dev=8.9.7.29-1+cuda11.8
sudo apt-get install libcudnn8-samples=8.9.7.29-1+cuda11.8

将文件复制到cuda目录：

sudo cp /usr/include/cudnn*.h /usr/local/cuda/include/
sudo cp /usr/lib/x86_64-linux-gnu/libcudnn* /usr/local/cuda/lib64/

验证安装：

sudo apt-get install libfreeimage3 libfreeimage-dev
cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

出现 Test passed! 验证通过

 四、TensorRT

官网：TensorRT SDK | NVIDIA Developer

官方教程：Installing TensorRT — NVIDIA TensorRT Documentation

我选择8.5.1.7版本 下载地址：TensorRT-8.x Download

选择 TensorRT 8.5 GA for Linux x86_64 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6, 11.7 and 11.8 TAR Package ​​​​​​​

下载完成后解压到主目录，将文件链接到系统中，记得将<user_name>改成自己用户名

sudo ln -s /home/<user_name>/TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6/TensorRT-8.5.1.7/targets/x86_64-linux-gnu/lib/libnvinfer.so /usr/lib/libnvinfer.so
sudo ln -s /home/<user_name>/TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6/TensorRT-8.5.1.7/targets/x86_64-linux-gnu/lib/libnvinfer.so /usr/lib/libnvinfer.so.8
sudo ln -s /home/<user_name>/TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6/TensorRT-8.5.1.7/targets/x86_64-linux-gnu/lib/libnvinfer_plugin.so /usr/lib/libnvinfer_plugin.so
sudo ln -s /home/<user_name>/TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6/TensorRT-8.5.1.7/targets/x86_64-linux-gnu/lib/libnvinfer_plugin.so /usr/lib/libnvinfer_plugin.so.8

编辑环境变量：

gedit ~/.bashrc

添加以下内容：

# tensorrt
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/action/TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6/TensorRT-8.5.1.7/targets/x86_64-linux-gnu/lib

刷新环境变量：

source ~/.bashrc

五、OpenCV

官网地址：​​​​​​​Releases - OpenCV

下载所需版本，把文件夹复制到主目录然后执行以下命令，根据自己的版本信息修改cuda和cudnn版本以及 cuda_arch_bin（显卡算力）CUDA GPUs - Compute Capability | NVIDIA Developer

cd ~/opencv
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
    -D OPENCV_ENABLE_NONFREE=ON \
    -D WITH_CUDA=ON \
    -D WITH_CUDNN=ON \
    -D OPENCV_DNN_CUDA=ON \
    -D WITH_LIBV4L=ON \
    -D ENABLE_FAST_MATH=1 \
    -D CUDA_FAST_MATH=1 \
    -D CUDA_ARCH_BIN=8.9 \
    -D WITH_CUBLAS=1 \
    -D CUDNN_VERSION=8.9.7 \
    -D CUDNN_INCLUDE_DIR=/usr/local/cuda/include \
    -D CUDNN_LIBRARY=/usr/local/cuda-11.8/lib64/libcudnn.so.8.9.7 \
    -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules ..
lscpu # 查看核数量
make -j8 # 根据核数量修改 -j8就是8核编译
sudo make install

安装过程比较长，内存不够就调小核心数

六、librealsense

Github地址：​​​​​​​​​​​​​​https://github.com/IntelRealSense/librealsense

L515最后支持版本：​​​​​​​​​​​​​​https://github.com/IntelRealSense/librealsense/releases/tag/v2.54.2

安装教程：librealsense/doc/installation.md at master · IntelRealSense/librealsense · GitHub

下载源码(Source Code)并解压到主目录

安装：

sudo apt-get update && sudo apt-get upgrade && sudo apt-get dist-upgrade
sudo apt-get install libssl-dev libusb-1.0-0-dev libudev-dev pkg-config libgtk-3-dev
sudo apt-get install git wget cmake build-essential
sudo apt-get install libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev at
cd ~/librealsense-2.54.2/
sudo ./scripts/setup_udev_rules.sh
mkdir build && cd build
cmake ../ -DBUILD_EXAMPLES=true
make -j8
sudo make install

验证安装：

realsense-viewer

七、PCL

Github地址：GitHub - PointCloudLibrary/pcl: Point Cloud Library (PCL)

Ubuntu22.04自带1.12版本，我们要装1.13 Release PCL 1.13.1 · PointCloudLibrary/pcl · GitHub

下载源码并解压到主目录

安装：

cd ~/pcl-1.13.1
mkdir build && cd build
cmake ..
make -j4
sudo make install

注意：pcl编译需要相当大的内存空间，16GB内存建议将核心数调整为4或以下，32GB内存可尝试8核心编译

编辑环境变量：

gedit ~/.bashrc

在末尾添加：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

 刷新环境变量：

source ~/.bashrc

浑河渔夫
关注
Ubuntu22.04安装ROS2
十万个吃什么的博客
06-24 1991
ROS2安装教程，解决E：Unable to locate package ros-humble-desktop
Ubuntu22.04 创建ROS2项目，配置VS Code Debug环境
coco的专栏
05-13 1691
本文简述：在 Ubuntu22.04 系统中使用 VS CODE 来搭建一个ROS2开发项目。
ubuntu20.04安装完显卡驱动后黑屏问题解决
qq_41356740的博客
10-25 9125
我开始是在 可视化软件 软件与更新 中安装的显卡驱动，并按照网上教程禁用了nouveau驱动。但在重启过程中，发现电脑黑屏，左上角有横光标闪过。重启过程中，按f2进入bios模式，显卡设置为独立显卡，并关闭安全启动。于是再次按照网上教程，按住ctrl+alt+f1-6，进入tty模式，都没反应。按住组合键ctrl+alt+f3（f1-f6均可）进入字符界面，先输入用户名，再输入密码。4. 检查nouveau驱动是否禁用成功，输入下面代码，没有任何输出说明成功。，找到自己显卡对应linux驱动，下载。
Ubuntu22.04中安装cuda, cudnn, pytorch
modest_laowang的博客
07-20 3618
Ubuntu 22.04中安装cuda, cudnn, pytorch
Ubuntu 22.04安装CUDA+cuDNN
taoshiwu的博客
09-29 4893
主要介绍了如何查看CUDA版本对应关系和CUDA 11.6下载安装教程
Linux|ubuntu22.04安装CUDA最新完整教程
weixin_43356770的博客
05-23 2万+
流程：安装前检查->安装->安装后配置 版本: CUDA12.5系统: Ubuntu22.04内核: 6.5.0-35-generic本文参考官方指南。
Ubuntu22.04安装CUDA和cuDNN
Hello, world!
05-29 3093
获取显卡和驱动信息安装N卡驱动重启，测试是否安装成功nvidia-smi。
Ubuntu22.04安装cudnn详细步骤
大鹏的专栏
09-26 1296
注意，这里的libcudnn8和cuda版本的配对是指定的，可通过apt-cache policy libcudnn8命令查看。
Ubuntu 22.04.3源码安装Point Cloud Library (PCL 1.14)与opencv
qq_35215756的博客
03-06 1349
Ubuntu 22.04.3源码安装PCL
Ubuntu22.04 源码安装 PCL13+VTK-9.3+Qt6.6
coco的专栏
06-24 1765
Ubuntu 22.04LTS；cmake-3.25.0；VTK-9.3；PCL-1.13 源码编译安装PCL和VTK踩坑记录。
ubuntu 22.04 编译 ORBSLAM3
yangshixu520的博客
04-19 800
ubuntu 22.04 编译 ORBSLAM3
Ubuntu22.04安装cuda，cudnn, 编译darknet
weixin_43933981的博客
09-19 1087
官网：https://developer.nvidia.com/cuda-toolkit-archive因为之前已经安装过显卡驱动了，所以这里需要取消Driver（光标移动到Driver，然后按enter即可取消，不取消会导致安装终止），然后移动光标到Install，按enter执行安装。
Ubuntu 22.04安装cuda及Pytorch教程
酒酿小圆子呀～
06-06 8895
在PyTorch中使用CUDA，。： 首先，确保你的GPU支持CUDA。你可以在官方CUDA支持列表上查找你的GPU型号。或者直接命令行nvidia-smi进行查看。： 下载并安装与你的GPU型号匹配的CUDA Toolkit。你可以从NVIDIA官网下载。在安装期间，可以选择安装适用于你的系统的CUDNN库。： cuDNN是NVIDIA的深度神经网络库，可以加速深度学习任务。在CUDNN下载页面下载适用于你的CUDA版本的cuDNN，并按照安装说明进行安装。
Ubuntu22.04安装CUDA、cudnn详细步骤
热门推荐
takedachia的博客
04-26 3万+
上一篇文章讲了在Ubuntu22.04上安装显卡驱动，这次继续安装CUDA、cudnn
Ubuntu22.04安装CUDA深度学习环境&&cuda principle
tugouxp的专栏
09-10 7070
对于BLOCK和GRID的尺寸，也用相应的三维常向量来表示，BLOCK的尺寸保存在常向量blockDim中，GRID的尺寸保存在gridDim中，他们都是CUDA C的内建变量，可以直接在设备代码中使用，在计算中，用户常常要给每个线程一个唯一的标识符，即线程号，以便给每个线程分配不同的任务。blockdim/griddim设计为三维的应该没有特别的原则性的必须这样做的理由，从计算结构的角度，二维甚至一维的与三维是等价的，三维可以做的，一维二维都可以做到。最后一行加上: blacklist nouveau。
Ubuntu20.04在vsCode配置opencv
AcetylcholineACh的博客
03-29 1万+
Linux-Ubuntu20.04 在 vsCode中从0到1配置opencv4.5.4（其他版本一样的操作）
cuda和cudnn的安装(ubuntu22.04环境)
Qinghub‘博客
04-26 883
cuda和cuDNN的安装配置(ubuntu22.04环境)
ubuntu22.04 安装cuda
keyboard专栏
12-08 1286
CUDA（Compute Unified Device Architecture）是由 NVIDIA 开发的一种并行计算平台和编程模型。它允许开发者利用 NVIDIA 的 GPU（图形处理单元）进行高效的计算处理。CUDA 通过提供一系列的 C、C++ 和 Fortran 扩展，使得开发者能够在 GPU 上执行复杂的计算任务。CUDA 的主要作用包括：加速计算：通过 GPU 执行并行处理，CUDA 可以显著加快许多类型的计算，特别是对于大数据和复杂计算任务。
Multiple kernel module types are available for this system. Which would you like to use?
最新发布
02-22
### 如何选择合适的Linux内核模块类型 #### 考虑硬件兼容性和需求 为了确保所选的内核模块能够支持特定硬件设备并满足功能需求，应当仔细评估目标系统的硬件配置以及预期的应用场景。对于USB控制器的支持情况，在`drivers/usb/host/Makefile`文件中通过设置选项如`CONFIG_USB_XHCI_HCD=m`可以指定将XHCI主机控制器驱动程序编译为可加载的模块形式[^4]。 #### 参考官方文档和社区资源 访问Linux内核官方网站(https://kernel.org/)获取最新发布的稳定版或长期支持(LTS)版本号，并依据个人使用的发行版特性挑选相匹配的核心组件。这一步骤有助于保障新安装的操作环境具备良好的稳定性与安全性表现[^1]。 #### 利用现有框架简化开发流程 针对希望采用更现代化编程语言构建自定义模块的情况，存在专门面向Rust开发者设计的一套工具链——linux-kernel-module-rust Framework。该项目托管于开源平台GitCode上，提供了丰富的接口封装及示例代码供学习借鉴[^3]。 ```rust // 示例：基于Rust实现简单的字符设备驱动 use kernel::prelude::*; module! { type: CharDevice, name: b"char_device", } struct CharDevice; impl KernelModule for CharDevice { fn init() -> Result<Self> { pr_info!("Char device driver initialized\n"); Ok(CharDevice {}) } } ``` #### 编写描述信息提高维护便利性 无论选用何种方式创建新的内核扩展单元，都建议为其附加详尽的文字说明以便日后查询参考。例如利用宏指令`MODULE_DESCRIPTION()`来记录一段简洁明了的功能概述文字[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值