在Jetson Orin NX上配置FoundationPose运行环境
在Jetson设备上部署FoundationPose前，需完成底层环境的搭建。本文详细介绍如何在Jetson Orin NX（Ubuntu 22.04）上安装并配置CUDA支持的OpenCV、JetPack组件及性能监控工具。
1. 环境准备
- 开发主机：Windows 11
- 连接工具：MobaXterm（用于SSH连接）
- 目标设备：Jetson Orin NX，搭载Ubuntu 22.04系统
2. 安装系统监控工具 jtop
jtop（原jetson-stats）是管理Jetson设备的重要工具，可实时查看CPU/GPU/内存占用、温度与风扇状态。
sudo apt update
sudo apt install -y python3 python3-pip
sudo pip3 install --upgrade pip
sudo pip3 install jetson-stats
启动后输入：
sudo jtop
进入交互界面，按 i 查看硬件信息，确认CUDA版本及OpenCV是否启用CUDA支持。
3. 安装JetPack与CUDA环境
首先检查当前GPU支持的最大CUDA版本：
nvidia-smi
查看可用的JetPack版本列表：
apt-cache madison nvidia-jetpack
推荐使用最新稳定版（如6.2+b77），执行安装：
sudo apt install nvidia-jetpack=6.2+b77
⚠️ 注意：JetPack已集成CUDA、cuDNN、TensorRT，无需单独安装。若为精简版，可添加
--no-install-recommends避免冗余依赖。
4. 编译安装支持CUDA的OpenCV
默认安装的OpenCV不包含CUDA支持，需手动编译。
（1）清理旧版本
sudo apt purge libopencv* -y
sudo apt autoremove -y
sudo apt update
（2）安装构建依赖
sudo apt install -y build-essential cmake pkg-config git gfortran \
libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev \
libjpeg8-dev libjasper-dev libpng12-dev libtiff5-dev \
libavcodec-dev libavformat-dev libswscale-dev \
libv4l-dev libgtk2.0-dev libtbb-dev libatlas-base-dev \
libfaac-dev libmp3lame-dev libtheora-dev libvorbis-dev \
libxvidcore-dev libopencore-amrnb-dev libopencore-amrwb-dev \
x264 v4l-utils python3-dev python3-numpy
（3）下载源码
从GitHub获取对应版本的OpenCV与contrib模块（建议版本匹配，例如4.11.0）：
wget https://github.com/opencv/opencv/archive/refs/tags/4.11.0.tar.gz
wget https://github.com/opencv/opencv_contrib/archive/refs/tags/4.11.0.tar.gz
tar -xzf 4.11.0.tar.gz
tar -xzf 4.11.0.tar.gz
mv opencv_contrib-4.11.0 opencv_contrib
（4）配置并编译
进入构建目录：
cd opencv-4.11.0
mkdir build && cd build
使用cmake配置（注意架构参数需根据实际设备调整）：
cmake -DCMAKE_BUILD_TYPE=Release \
-DCMAKE_INSTALL_PREFIX=/usr/local \
-DOPENCV_ENABLE_NONFREE=ON \
-DBUILD_opencv_python2=ON \
-DBUILD_opencv_python3=ON \
-DWITH_FFMPEG=ON \
-DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \
-DCUDA_ARCH_BIN=8.7 \
-DCUDA_ARCH_PTX=8.7 \
-DWITH_CUDA=ON \
-DENABLE_FAST_MATH=ON \
-DCUDA_FAST_MATH=ON \
-DWITH_CUBLAS=ON \
-DOPENCV_GENERATE_PKGCONFIG=ON \
-DOPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \
..
🔍 架构查询方式：通过
sudo jtop→ Info → GPU Architecture 查看，Orin NX为8.7。
（5）编译与安装
根据CPU核心数决定并行编译线程数：
cat /proc/stat | grep cpu[0-9] -c # 查看核心数量
make -j4 # 假设有4个核心
sudo make install
安装完成后，再次运行 sudo jtop，应显示：
OpenCV: 4.11.0 compiled CUDA: YES
5. 后续步骤
完成上述环境配置后，即可继续部署FoundationPose模型，包括安装PyTorch、相关依赖库及模型推理代码。
