Jetson Orin Nano上實現OpenCV5源碼編譯 | 提供完整編譯腳本-可下載直接運行

ONNX算子支持

OpenCV 的 ONNX 算子覆蓋支持率從4.x天的約22%躍升至OpenCV 5中的80%以上。這樣對絕大多數的模型部署都會給予比較好的支持。

算子融合與壓縮支持

DNN引擎識別每個Transformer block核心的經典 MatMul → Softmax → MatMul 模式，并將其壓縮為單一的熔合注意力操作，并采用類似 FlashAttention 的實現。有效提升模型推進速度。

后臺推理引擎支持

支持三種不同的模式，分別是DNN圖模式、自動模式、ORT模式。AUTO模式會自動嘗試最新的推理引擎，不行則退回原來的經典模式；其中ORT模式采用ONNXRUNTIME的核心推理引擎。

VLM與LLM模型部署支持

OpenCV5 DNN模塊實現了對大語言模型與多模態視覺語言模型部署支持，同時支持CNN與Transformer DINO系列模型部署。

為了支持VLM與LLM，OpenCV首次實現內置庫中的本地分詞器，用于自回歸解碼的KV緩存，因此生成過程保持高效，模型一次生成一個token。

此外特征匹配層面，OpenCV5也引入了基于CNN的特征匹配模型方式支持。大家可以自己看文檔。

Jetson Orin Nano/AGX上面完成OpenCV5的源碼編譯與安裝主要分為下面幾個步驟：

1. 下載對應的OpenCV5 Tag版本源碼

https://github.com/opencv/opencv/archive/refs/tags/5.0.0.zip

2. 解壓縮源碼完成cmake與make

   

3. 安裝OpenCV庫支持與代碼測試

#include <opencv2/opencv.hpp>#include <iostream>using namespace cv;using namespace std;string rootdir = "/home/orinnano/Documents/";void video_demo();int main(int argc, char** argv) {	Mat image = imread(rootdir + "lena.jpg", IMREAD_UNCHANGED);namedWindow("input", WINDOW_AUTOSIZE);imshow("input", image);waitKey(0);destroyAllWindows();video_demo();return 0;}

是否需要編譯擴展模塊支持，如果需要編譯OpenCV CUDA推理支持，必須要編譯擴展模塊。

為了避免因為模型無法下載而導致的編譯失敗，推薦把下面的模塊在cmake編譯參數設置為關閉。

  -D INSTALL_C_EXAMPLES=OFF \  -D INSTALL_PYTHON_EXAMPLES=OFF \  -D BUILD_opencv_python3=OFF \  -D BUILD_opencv_python2=OFF \  -D BUILD_xfeatures2d=OFF \  -D BUILD_wechat_qrcode=OFF \  -D BUILD_opencv_gapi=OFF \

最后完成的編譯過程，我已經發布成build script文件，通過我的github主頁即可下載（OpenCV-5-0-0.sh）：

https://github.com/OpenCVXUETANG/opencv_workflow