type
status
date
slug
summary
tags
category
icon
password
1.安装Cuda
(1)Cuda Toolkit
使用上面的命令来下载Cuda的安装程序
(2)cuDNN,神经网络加速框架
(3)TensorRT,神经网络推理加速器
按照官网下载即可
2.安装ROS2
使用下面的命令一键安装
wget http://fishros.com/install -O fishros && . fishros
3.安装Clion
使用命令一键安装
sudo snap install clion --classicsudo snap install pycharm-professional --classic (pycharm)4.安装OpenCV
首先先安装OpenCV的依赖项
sudo apt-get install build-essential python3-numpy python3-pandas cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev libxvidcore-dev libx264-dev libatlas-base-dev gfortran ffmpeg然后下载OpenCV的源码
opencv
opencv • Updated Jun 5, 2025
opencv_contrib
opencv • Updated Jun 5, 2025
然后进行正常的cmake,make安装就行
cmake -D CMAKE_INSTALL_PREFIX=/usr/local -D CMAKE_BUILD_TYPE=Release -D OPENCV_EXTRA_MODULES_PATH=[pathto/opencv_contrib/modules] -D OPENCV_GENERATE_PKGCONFIG=YES ..
make -j12
sudo make install如果有依赖opencv的其他环境需要：
# 永久生效（推荐）
echo 'export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH' >> ~/.bashrc source ~/.bashrc
# 更新动态链接库
sudo ldconfig
最后建立软连接，简化头文件引用
sudo ln -s /usr/local/include/opencv4/opencv2/ /usr/local/include/对于NX，需要使用OpenCV的cuda计算加速，编译时需要使用几个参数，cmake需要修改(CUDA12.6+cuDNN9+OpenCV11)：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D BUILD_CUDA_STUBS=ON -D WITH_CUDA=ON -D CUDA_ARCH_BIN=8.9 -D OPENCV_EXTRA_MODULES_PATH=[拓展库路径] -D CMAKE_INSTALL_PREFIX=/usr/local -D ENABLE_CUDA_FIRST_CLASS_LANGUAGE=OFF -D BUILD_opencv_sfm=OFF ..
5.安装cv_bridge
如图所示，安装即可
git clone https://github.com/ros-perception/vision_opencv.git -b humble
cmake -DCMAKE_INSTALL_PREFIX=/opt/ros/humble ..sudo make install6.安装Anaconda3（可以不装）
首先，访问官网，下载Linux版本安装包
启动安装程序
sudo ./Anaconda3-2024.02-1-Linux-x86_64.shAnaconda和ROS是冲突的，所以我们要为Anaconda专门配置
复制~/.bashrc,将一下内容剪切到新复制的文件中
#>>> conda initialize >>>
#!! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/lbw/Apps/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
eval "$__conda_setup"
else
if [ -f "/home/lbw/Apps/anaconda3/etc/profile.d/conda.sh" ]; then
. "/home/lbw/Apps/anaconda3/etc/profile.d/conda.sh"
else
export PATH="/home/lbw/Apps/anaconda3/bin:$PATH"
fi
fi
unset __conda_setup
#<<< conda initialize <<<
请注意，每次启动conda环境要先source
7.安装PyTorch（可以不装）
首先下载whl包
选择合适的版本，如果不知道什么版本合适，可以使用cu121的版本,使用下面命令，可以一键下载
wget https://download.pytorch.org/whl/cu124/torch-2.4.0%2Bcu124-cp310-cp310-linux_x86_64.whl创建一个新的Conda环境
conda create -n torch python=3.10使用pip安装
pip install “torch-2.2.0+cu121-cp310-cp310-linux_x86_64.whl”torchvision是常用的神经网络视觉处理库，请选择与Python和PyTorch版本的torchvision，或者使用下面的命令下载我的
wget https://download.pytorch.org/whl/cu124/torchvision-0.19.0%2Bcu124-cp310-cp310-linux_x86_64.whl使用pip命令安装
8.安装视觉自瞄环境
(1)首先应该现安装依赖
Eigen3(3.4.0)：是一个知名的线性代数计算框架，使用全模板实现，不需要编译
从GitHub上拉源码
推荐使用GitLab上的这个版本
安装absl,不多说，自己安装(注意需要安装20240722以上的版本)
git clone https://github.com/abseil/abseil-cpp.gitcmake -DCMAKE_CXX_FLAGS="-fPIC" -DCMAKE_C_FLAGS="-fPIC" ..(2)安装Ceres库:Ceres是由Google开发的开源C++通用非线性优化库，目前视觉SLAM中应用最广泛的优化算法库之一。
首先安装一些依赖
sudo apt-get install liblapack-dev libsuitesparse-dev libcxsparse3 libgflags-dev libgoogle-glog-dev libgtest-dev安装google-test：
git clone https://github.com/google/googletest.git编译安装…
下载Ceres-Solver源码:
下载源码，并编译安装2.2.0版本
sudo apt install libceres-dev(3)安装Souph库(1.24.6)：李群和李代数库
(4)安装G2O：
(5)ROS库：
sudo apt-get install ros-humble-asio-cmake-modulesudo apt-get install ros-humble-camera-info-manager(6)OpenVINO:
查看官网教程：
(7)相机驱动安装
首先下载
然后按照ReadMe安装就行
9.工具
(1)rqt平替：foxglove
下载和官方教程
需要安装foxglove-bridge
`sudo apt install ros-humble-foxglove-bridge`
(2)CH340驱动(可以不装)
访问官网，下载源码
需要注意，需要gcc-12编译器
(3)删除brltty
sudo apt remove brltty