配置编译带cuda版本并支持cudacodec硬编解码opencv库笔记

写这个笔记主要是记录配置编译opencv+cuda+cudacodec的过程核经历，这里面的坑实在太多。
参考文章：https://note.youdao.com/ynoteshare1/index.html?id=700052b0a49301059a34f20a00a830ca&type=note，但这份笔记很多东西没有讲清楚，导致我按照这个笔记配置编译opencv的时候，怎么弄都不能正确的编译处cudacodec，而我需要使用GPU实现编解码，必须得使用这个库。
简单记录过程如下。
基础环境：
1、硬件环境：GPU服务器8张Tesla V100，CPU是12个物理核心，48个逻辑核心
2、软件：docker+nvidia 440+cuda10.2+cudnn
一、基础包安装
按照以上笔记内容，安装好ffmpeg，并配置cuvid硬件编解码（参见我的另一篇文章，这里面也有很多坑）
按照以上笔记内容，配置好基础依赖包（不多说了）
二、配置cmake
    根据以上笔记内容，配置好依赖包后执行cmake，在出来的报告中没有出现NVCUVID，只有CUFFT等内容。先没有在意，开始编译安装，结果运行cv2.cudacodec.createVideoReader()的时候，出现错误，提示没有安装nvcuvid相关的库。由于我是在docker中安装，按照上面笔记的内容，折腾了一番docker中的libnvcuvid.so，libnvidia-encode.so等库文件，重新编译安装，依然没有。
    于是开始网上各种百度，csdn、知乎等到处找资料，所有内容都试过了，没有一个能解决问题，真是头大。冷静下来一想，配置中没有出现NVCUVID，是不是CMakeLists文件中哪里除了问题了？于是查看CMake的运行记录，发现里面果然有一个判断变量HAVE_NVCUVID，配置记录中显示的是0，也就是没有打开NVCUVID选项。可我配置的时候明明指定了 -D WITH_CUDA=ON -D WITH_NVCUVID=ON。 打开opencv的CMakeLists.txt文件，发现第262行有这么一句：
VERIFY HAVE_NVCUVID
第1532行有显示的语句:
IF HAVE_NVCUVID THEN "NVCUVID"
很明显，cmake没有找到NVCUVID。
    进一步跟踪HAVE_NVCUVID变量的判断语句，发现在cmake目录下的OpenCVDetectCUDA.cmake文件中，第74行和75行：
    ocv_cuda_SEARCH_NVCUVID_HEADER("nvcuvid.h" HAVE_NVCUVID_HEADER)
    ocv_cuda_SEARCH_NVCUVID_HEADER("dynlink_nvcuvid.h" HAVE_DYNLINK_NVCUVID_HEADER)
    分别是判断有没有nvcuvid.h和dynlink_nvcuvid.h两个文件。这两个文件第一个位于/usr/include中，第二个位于/usr/local/include/ffnvcodec中（安装nv-codec-headers-sdk-9.1.zip时自动安装到这个位置）。
    跟踪发现HAVE_NVCUVID_HEADER和HAVE_DYNLINK_NVCUVID_HEADER这两个变量都是0，说明cmake没有找对地方。找这两个变量是通过ocv_cuda_SEARCH_NVCUVID_HEADER宏执行的，这个marco在OpenCVDetectCUDA.cmake文件中第57行。该宏中定义搜索路径为第59行到66行：
    find_path(_header_result
        ${_filename}
        PATHS "${CUDA_TOOLKIT_TARGET_DIR}" "${CUDA_TOOLKIT_ROOT_DIR}"
        ENV CUDA_PATH
        ENV CUDA_INC_PATH
        PATH_SUFFIXES include
        NO_DEFAULT_PATH
        )
    路径中显然没有包含这两个文件的目录，于是在PATHS中增加了路径，第61行变成这样：
    PATHS "${CUDA_TOOLKIT_TARGET_DIR}" "${CUDA_TOOLKIT_ROOT_DIR}" "/usr/include" "/usr/local/include/ffnvcodec"
    再次跟踪HAVE_NVCUVID_HEADER和HAVE_DYNLINK_NVCUVID_HEADER，果然都变成了1
    HAVE_NVCUVID变量中还有一个判断，要求CUDA_nvcuvid_LIBRARY变量也必须为1，这个变量定义在cmake/FindCUDA.cmake中，也就是执行cmake时会判断系统中有没有libnvcuvid.so这个库文件，检查/usr/lib/x86_64-linux-gnu下，有libnvcuvid.so.1.440.so(docker中可能不一样)和libnvcuvid.so.1，没有libnvcuvid.so，于是做个软连接
    sudo ln -s /usr/lib/x86_64-linux-gnu/libnvcuvid.so.1 /usr/lib/x86_64-linux-gnu/libnvcuvid.so
    再次跟踪，发现CUDA_nvcuvid_LIBRARY正确指向了该库。
    再次以之前的配置运行cmake，在NVIDIA一拦中果然出现了NVCUVID，至此第一个巨坑顺利躺过。

三、编译
    完成了配置之后，本来以为接下来的都应该很顺利了，哪知道编译到cudacodec库的时候，出现一大堆XXX not declared错误，这是典型的c++头文件没有包含，或者包含的位置不对，导致编译的时候找不到相应的函数。
    进入opencv_contribc/modules/cudacodec目录中，关于cudacodec库的源文件应该都在这个里面，在该目录下的CMakeLists.txt文件中直接添加如下一行：
    include_directories(/usr/local/include/ffnvcodec)
    注意不要在 if(HAVE_NVCUVID)的判断语句中添加，我先在if中添加，发现没起作用，于是直接在外面添加
    再次编译，发现依然报错。看了一下src目录下的源码，发现多半都包含了precomp.hpp这个文件，于是干脆在这个文件中直接添加下面这行
    #inculude <nvcuvid.h>
    再次编译，终于顺利通过，成功了！

四、安装以及python
    没什么好说的了，sudo make install，然后把生成的python库cv2.****.so拷贝到当前执行python环境的中的site-packages中，就可以在python中顺利import cv2了。