要点初见：从零开始进行妙算manifold、Jetson TK1环境配置

此文初写于2017.3.12，因为当时反复对妙算Manifold、Jetson TK1刷机因此总结出了一套套路……嗯，如今年末整理一波。

妙算是大疆无人机上的机载miniPC，其中的核心板是NVIDIA的嵌入式视觉板Jetson Tegra K1。网上关于妙算环境配置的博文特别少，TK1的比较多，本文中关于妙算的配置部分是笔者在参考网上TK1的配置方法摸索总结出来的。Jetson Tegra K1的环境安装有两种方法，一种是在一台装有Linux系统的X86电脑（不能在ARM平台）上运行对应Jetson TK1版本的Jetpack，将电脑与TK1连接到同一联网的路由器上，进行自动安装；另一种是在ubuntu中用命令手动安装配置这些环境。也许在TK1快过时，大疆半放弃manifold，大家都换装Jetson TX2的当下，TK1与manifold的配置不受关注，但笔者还是打算记录一下半年前的这套顺畅的两小时配置流程。

一、安装主要项

1、CUDA6.5

2、OpenCV3.1.0

3、ROS-Indigo

4、codeblocks和CUDA的nvcc编译器

二、环境配置须知

1、这是经过四台妙算和一台Jetson Tegra K1环境配置后得到的通用环境配置方法，大部分操作都可原样复制；

2、若出现此处未提到的问题，可通过简单的百度直接解决；

3、若遇到的问题较复杂，可猜测这台妙算（或Jetson TK1）之前进行过一些操作，考虑重新刷机后重新用此处的方法进行配置：

妙算刷机包官方下载链接：https://dl.djicdn.com/downloads/manifold/manifold_image_v1.0.tar.gz

Jetson TK1刷机包：用Jetpack3.0（推荐，注意不要用更新的版本的jetpack，因为里面不包含TK1）或者按这位博主写的操作：http://blog.csdn.net/deyili/article/details/51011836；

4、文件放到妙算或Jetson上后其中的中文很可能是乱码，火狐浏览器自带的必应搜索大概率提供国外论坛，所以还是学好英语（嗯……并使用百度网页翻译）最重要；

三、刷机流程

（需联网，熟练后时间大概只需两个小时）

1、更换妙算或Jetson中自带的更新源（自带的源居然不是ARM源，若更新会出错，更换成国内的ARM源后速度飞快）：

（1）在“终端”中输入：sudo gedit /etc/apt/sources.list

因为使用了sudo，系统会要求输入密码，妙算或Jetson的初始密码是ubuntu，输入密码的时候linux系统不会显示你输入了什么，仿佛什么都没输入一样。

如果保守也可以先 sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup来备份原来的更新源；不想用gedit简单地编辑文本的话，也可用sudo vi /etc/apt/sources.list通过VIM编辑文本。（此处需自学Linux中vim的使用，之后的修改环境变量处也要用到；简单说就是光标移到需要修改的地方，按下o或者a进行修改，修改后按esc，再输入：wq完成保存退出返回到命令窗口）

（2）把打开的窗口中所有的内容删去，并替换成：

deb http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty main multiverse restricted universe
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-backports main multiverse restricted universe
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-proposed main multiverse restricted universe
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-security main multiverse restricted universe
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-updates main multiverse restricted universe
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty main multiverse restricted universe
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-backports main multiverse restricted universe
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-proposed main multiverse restricted universe
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-security main multiverse restricted universe
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ trusty-updates main multiverse restricted universe

保存并关闭窗口，回到命令窗口。

（3）在“终端”中输入：sudo apt-get update

2、在“终端”中输入：sudo apt-get install build-essential cmake，在执行后输入y，回车（下文中类同）

3、输入sudo apt-get install codeblocks codeblocks-contrib geany

（1）其中codeblocks（以上操作下载到的版本截至2017.3.12为13.12）是妙算编程中不得不使用的一个自动补全有BUG，添加编译器需要用sudo codeblocks打开并修改否则关闭后配置就无效的IDE（修改注释的颜色后，注释能够折叠；通过右键左侧项目名，选择build option来进行第三方库路径的添加（比如opencv））；若想用QT，需要编译非常长的时间，同时也会被占用了非常大的空间，而且运行相同的程序速度比codeblocks要慢，环境变量不易输入。eclipse则没用过，也没见网上有人在arm上用过；

（2）codeblocks-contrib是codeblocks的扩展功能包，其中双击变量名或者API能够同时标红所有同名内容的功能特别好用；

（3）geany是仿造编译器文本的txt文档管理器，方便用codeblocks编程时查看其他的.cpp内容（codeblocks里同时打开两个codeblocks项目会很混乱）。

4、安装CUDA6.5（20分钟）

CUDA是当下GPU编程的关键库，在NVIDIA的板子上可以为视觉加速。

TK1和manifold用的CUDA都是这个版本，且不能用更新版本的CUDA，所以搭建不了TensorFlow（TX1和TX2可以用新的CUDA版本例如8.0）

CUDA6.5官方下载链接：http://developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda-repo-l4t-r21.2-6-5-prod_6.5-34_armhf.deb

++先介绍一个快速cd到某目录的简易方法：输入cd空格后，将对应目录的文件夹拖动到终端中，回车。妙算和jetson外的系统不一定有这个功能（比如笔者虚拟机里的ubuntu）

（1）cd到CUDA6.5下载包所在目录，在终端执行命令：sudo dpkg -i cuda-repo-l4t-r21.2-6-5-prod_6.5-34_armhf.deb（后部可按Tab自动补全，此功能妙算、Jetson自带）；

（2）在终端执行命令：sudo apt-get update，若无此步，后几步很可能会出现谜之问题；

（3）在终端执行命令：sudo apt-get install cuda-toolkit-6-5（此步需要下载1G文件，请确保有足够空间且网络畅通）

在终端执行如下命令：
sudo usermod -a -G video $USER
vi ~/.bashrc（此步用sudo gedit ~/.bashrc更方便）
在环境变量文件~/.bashrc末按O加入：
# Add CUDA bin & library paths:
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH
按esc输入:wq退出后，在终端执行如下命令：
source ~/.bashrc
（此处可能会出现某cuda-toolkit文件下载安装失败的error，可使用wget + （该文件下载链接）, dpkg -i 该.dev文件名, sudo apt-get install 该.dev文件名来进行解决）
（4）在终端输入nvcc -V（注意此处V为大写），若显示CUDA版本信息则表示编译成功。

5、安装OpenCV3.1.0（40分钟）

OpenCV是一个当下非常火热的开源视觉库，大量地应用于工业领域。近来随着大数据、人工智能的火热，更是成为视觉算法的掌上明珠。

TK1可以使用Jetpack提供的TK1专用的OpenCV4Tegra2.4.10.2，但需要用Jetpack自动安装（且需勾选Jetpack中的所有选项），若自行用命令行安装OpenCV4Tegra，则会出现一修改摄像头分辨率就报错，且无法修改默认的640*480分辨率的问题（因为OpenCV4Tegra没有交叉编译V4L）；

OpenCV3.0.0太原始且安装出错问题多；更高版本的OpenCV没试过。具体操作如下：

（1）在终端中输入：

sudo apt-get update（养成及时更新的好习惯）

sudo apt-get install git checkinstall pkg-config libtiff4-dev libjpeg-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libv4l-0 python-numpy libgtk2.0-dev v4l-utils libeigen3-dev libdc1394-22-dev（注意千万别在此处下载TBB的包，会出现无法自动添加IT的迷之问题，需要-Wa之类至今没搞懂，只有英文论坛资料的解决方法）

（2）漫长的编译时间

在终端中输入：
mkdir release
cd release
sudo apt-get install cmake-qt-gui（安装cmake-gui）

cmake-gui（千万别sudo cmake-gui，不然cmake的全部文件都会带上权限……你会哭出来的）

你打开了图形界面的GUI，此处的操作使用GUI确实比终端命令来得容错率高。
无论如何，先勾选CUBLAS和CUDA_FAST_MATH；确保WITH_V4L的勾勾上；
如果你要使用TBB来加速自己的OpenCV（把#define HAVE_TBB加在你程序所有OpenCV的include的最前面，加后面无效），勾选BUILD_TBB, WITH_TBB（此处会自动下载不会出错的TBB包）；如果你不需要且没有安装过FFMPEG，取消掉FFMPEG的勾；VTK的勾可去掉。
点击下方左侧左边的configure，读条后若主框中有显示为红色的条目，则需要对条目进行修改。
若无红色条目，点击下方左侧右边的generate，检查cmake的输出，确认CUDA和CUBLAS等将被安装（不然……你OpenCV的GPU编程可能就不见了）：

-- Use Cuda: YES (ver 6.5)
-- Use OpenCL: YES
--
-- NVIDIA CUDA
-- Use CUFFT: YES
-- Use CUBLAS: YES
-- USE NVCUVID: NO
-- NVIDIA GPU arch: 32
-- NVIDIA PTX archs:
-- Use fast math: YES

若是万事俱备，在终端中输入：

make -j4（妙算或Jetson TK1就四核CPU，若输入make -j，你的ARM很可能会自动关机；此处需要至少30分钟）
sudo make install （此处可能很快）

如果使用pkgconfig，需要修改环境变量，在终端输入（其实可以直接Ctrl+C，在终端里右键粘贴╮(╯▽╰)╭）：
echo '/usr/local/lib' | sudo tee -a /etc/ld.so.conf.d/opencv.conf
sudo ldconfig
printf '# OpenCV\nPKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig\nexport PKG_CONFIG_PATH\n' >> ~/.bashrc
source ~/.bashrc

6、安装ros-indigo

ROS是一个用于集成传感器信息的机器人系统，当下机器人、无人机、无人驾驶都会用到该系统，甚至深度学习的python模型也可以通过ROS实现与C++的关联，从而移交OpenCV进行后续处理。

此处主要参考http://www.jianshu.com/p/997ede860d74中所述的方式（绝不能照搬）：

（1）在终端中输入：

sudo apt-get install git
git clone https://github.com/jetsonhacks/installROS.git

cd installROS

（2）复制一份installROS.sh，并命名为installROSModified.sh。打开installROSModified.sh，千万不要更改源，仍使用默认源。在Environment Setup中添加：

#Using RVIZ
echo "unset GTK_IM_MODULE" >> ~/.bashrc

添加在source ~/.bashrc前一行，保存关闭。

（3）在终端中的该目录下输入：./installROSModified.sh，若出现Pemission Denied的问题，则输入sudo chmod a+x installROSModified.sh给予权限后，./installROSModified.sh。（其他地方出现./*权限不足时也可用该方法解决）

（4）最后新打开一个终端（在终端上右键，New Teminal），输入roscore，若显示版本则表示安装成功。若显示Command no found，则说明你的内心不够虔诚……在~/.bashrc末行输入source /opt/ros/indigo/setup.bash，保存关闭source ~/.bashrc后再来一次roscore。

如果你的内心足够虔诚，你可以选择在ROS安装成功后，在终端中再输入sudo apt-get install ros-indigo-urdf ros-indigo-urdf-parser-plugin ros-indigo-urdf-tutorial ros-indigo-urdfdom-py ros-indigo-navigation ros-indigo-navigation-layers ros-indigo-depthimage-to-laserscan ros-indigo-openni* ros-indigo-kobuki* ros-indigo-turtlebot-bringup ros-indigo-turtlebot-create，绝对会有某三个库出错的，可惜笔者内心不够虔诚，，就一直没去找解决方法……

（5）ROS真的对你那么好？你输入sudo apt-get update也许就能发现 ROS可能破坏了你的更新源，那么你需要在终端中输入：
sudo rm /var/lib/apt/lists/* -vf
sudo apt-get update

7、设置codeblocks和CUDA的nvcc编译器

方法主要源自http://blog.csdn.net/fdqw_sph/article/details/53787658，本文此处大部分搬运自原文。

请在sudo codeblocks下操作，否则你创建的新编译器活不过你下一次的codeblocks启动！（这一点全网一个字都没提到过，是某位大神的探索成果，配置者也如淋甘霖）

（1）点击CodeBlocks 菜单栏上的Settings --> Compiler and debugger
在上方的Selected compiler中，确定“GNU GCC Compiler”被选中，然后点击下面的Copy按钮，以新建一个编译器配置
输入编译器名字，比如"NVIDIA NVCC CUDA Compiler"
弹出的窗口全部点击“Yes”等，然后选择下面的Toolchain executables标签页，如果看不到，点一下向右的箭头
输入nvcc的安装路径，比如/opt/local/cuda
再下面的C compiler输入：nvcc
C++ compiler： nvcc
Linker for dynamic libs: nvcc
Likner for static libs: nvcc
Debugger: cuda-gdb?(没有试过，配置者是保持原样)
点击Search directories标签页，在Compiler box中加入usr/local中cuda和cuda6.5的include文件夹
在Linker box中加入 cuda6.5中lib的cudart.so 和 cuda中lib的curand.so（怀疑这两库像opencv2/opencv.hpp一样包括了所有CUDA库）

点击标签栏旁边的向右箭头，直到滚动到Other settings
点击下面的Advanced options按钮，在弹出的警告窗口中点击Yes

在Commands标签页中选择Compile single file to object file，然后把Command line macro中的内容替换成：
$compiler --compiler-options "$options" $includes -c $file -o $object

在Output parsing标签页中选择Instantiated from info，然后把Regular expression中的内容替换成：
([][{}() #%$~A-Za-z0-9_:+//.-]+)[(:]([0-9]+)/)?:[ ]+([iI]nstantiated from .*)

选择Compiler warning，然后把regular expression中的内容替换成：
([][{}() #%$~A-Za-z0-9_:+//.-]+)[(:]([0-9]+)/)?:[ ]([Ww]arning:[ ].*)

选择Compiler error，然后把regular expression中的内容替换成：
([][{}() #%$~A-Za-z0-9_:+//.-]+)[(:]([0-9]+)/)?:[ ](.*)

（2）下面让CodeBlocks 能够认出CUDA的源代码文件：*.cu ：

在菜单上点击Project --> Project tree --> Edit file types & categories
点击Add按钮
输入类别名，如“CUDA Sources”
在下面的fire masks中输入： *.cu;

（3）接下来，还需要作一些小设定，使得cu源代码文件能够被编译器所编译链接：

*注意：只能对需要编译的.cu文件进行以下步骤，而那些被其他文件所include的头文件不需要做这些设定
在左边项目文件关系树的.cu文件上点击右键，然后点击Propertiies
在Build标签页中，选中Compile file 和 Link file

Ok，所有设置完成，现在便可以在CodeBlocks 中编写CUDA应用，然后直接按F9或点击按钮进行Build了。

注意，SDK的例子中，很多需要链接cutil库，记得要在Project --> Build options里面的Link libraries中加入这个库，当然，也可以在gblobal compiler settings里面加入。（不过编译者没这么做似乎还没遇到问题）
译注： CodeBlocks 是一个十分优秀的开源跨平台IDE，现在用户越来越多，经过上述配置，Linux环境下我们不用每次在command line中输入nvcc ........这样来编译项目，同时，也可以很方便的将CUDA引入原有项目中进行整合，编译。

注意：项目的Build Options中，一定要把编译器选择为新建的CUDA NVCC Compiler，否则将还是使用普通的C／C＋＋编译器来编译项目。修改后，整个项目的所有代码将首先通过nvcc编译器，nvcc会作出判断该文件是C/C++文件还是cu文件，如果是C/C++代码文件，nvcc会自动将该文件转交给GCC处理，如果是cu文件，nvcc会按照nvcc编译规则，分离其中的host和device代码，然后进行编译。如果对nvcc编译过程的细则感兴趣，请参考NVIDIA的《nvcc_版本号.pdf》，该文档在NVIDIA CUDA网站有下载，也可以在安装的CUDA路径中的doc文件夹中找到。

注意：再次声明，以上配置过程仅对Linux环境中使用GCC编译器的情况有效，Windows中使用CodeBlocks作为IDE暂未成功配置，可以确定的是，目前的CUDA版本在Windows中必须使用Visual Studio2005或2008的ld编译器。
如果在Linux环境下，使用上述配置方法不能成功生成CUDA项目，请检查GCC编译器以及CUDA Toolkit和CUDA SDK是否正确安装和配置。
若CUDA库不被系统所默认搜索，输入：sudo ldconfig /usr/local/cuda-6.5/lib，将CUDA库设为动态链接库。

8、以上为全套配置方法，参考的博客不限于：
http://blog.csdn.net/deyili/article/details/51011959
http://blog.csdn.net/fdqw_sph/article/details/53787658

等等。

欢迎指正！

要点初见：从零开始进行妙算manifold、Jetson TK1环境配置相关推荐

从零开始搭建深度学习服务器: 基础环境配置（Ubuntu + GTX 1080 TI + CUDA + cuDNN）
从零开始搭建深度学习服务器: 基础环境配置(Ubuntu + GTX 1080 TI + CUDA + cuDNN) 首先先声明一下这篇是转载来自 : 从零开始搭建深度学习服务器: 基础环境配置( ...
NVIDIA Jetson TX2 环境配置
前言笔者参加学校的冰壶机器人实验课基于NVIDIA Jetson TX2开发板进行开发.这篇文章主要记录NVIDIA Jetson TX2的环境配置过程和踩坑记录. 一.NVIDIA Jetson ...
从零开始跑ORB_SLAM2(一) 前期准备与环境配置
前期准备工作环境: PC:i5-8265U 8GRAM 核显弟弟CPU 相机:Intel-Realsense D435 环境:Ubuntu16.04 LTS+ ROS Kinect 如何安装Ubu ...
jetson nano 环境配置（pytorch+ros+rartographer）
1. ,把系统烧录至SD卡后进入系统中依次完成:语言选择.键盘布局选择.WIFI连接.地区选择.用户设置.内存设置(0或者留空). 2. 进入系统设置完成语言的完整下载以及等待系统完成更新.设置系统休 ...
【从零开始学用OpenCV】Day1 环境配置与搭建
Day 1 环境配置与搭建 1.1认识OpenCV 为了认识OpenCV,首先我们得知道什么是电脑程序. 我们知道,在日常生活中,不同地区的人使用不同的语言.同一种语言说出来的话.写出来的文章,只有懂 ...
Python 小白从零开始 PyQt5 项目实战（1）安装与环境配置
本系列面向 Python 小白,从零开始实战解说应用 QtDesigner 进行 PyQt5 的项目实战. 什么叫从零开始?从软件安装.环境配置开始. 不跳过一个细节,不漏掉一行代码,不省略一个例图. ...
大疆妙算Manifold刷机换源，cuda，opencv，qt配置以及实现opencv读取usb摄像头，qmake nvcc交叉编译
大疆妙算Manifold刷机换源,cuda,opencv,qt配置以及实现opencv读取usb摄像头,qmake nvcc交叉编译一.刷机 1.解压安装包 2.制作镜像 3.然后按照妙算说明书进入 ...
ROS：Nvidia Jetson TK1平台安装使用ROS
原文连接: http://wiki.ros.org/indigo/Installation/UbuntuARM Ubuntu ARM install of ROS Indigo There are c ...
Jetson tk1 安装 CUDA，ROS，OpenCV和kinect2以及刷机以及ssh远程控制
我的jetson tk1的系统是:LTR21.3,ubuntu14.04.本文仅仅是个人总结,亲测成功. 注意:如果你是使用校园网进行安装的话,有很多源是没办法访问的,安装的时候就会出现很多问题,所以 ...

要点初见：从零开始进行妙算manifold、Jetson TK1环境配置

要点初见：从零开始进行妙算manifold、Jetson TK1环境配置相关推荐

最新文章

热门文章