五、OpenCV的安装
8、使用MindStudio运行YoLoV3样例工程
我们记得上次说到OpenCV的安装比较麻烦。是因为OpenCV需要实现交叉编译，即需要在开发环境x86上编译aarch64的包，然后编译好的可执行程序需要在运行环境aarch64上运行。
另外，由于mksd制卡方式和dd镜像制卡方式有点区别。dd镜像方式中很多包昇腾团队已经给我们准备好了。所以在下列的一些（shao）操作里面，张小白会特意提到，如果是mksd制卡方式，需要做哪些操作（言下之意就是，如果是dd方式，那些在200dk ubuntu 18.04 aarch环境上的一些操作就可以省略了。
（1）打开YoLoV3样例工程
打开一个新的YoLoV3工程，可参考：https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture
会提示：
此时点击OK：
在弹出的菜单中再点击OK即可打开这个YoLoV3工程。
此时，还是需要再配置一个deployment的：
add一个server：
像前面描述一样的增加 connection和mapping即可：
当然，编译YoLoV3的工程代码同样也会报找不到OpenCV的问题：
我们来看看怎么解决这个问题。
CANN训练营的龙哥 @海中之龙 是个爱学习的好童鞋。他给张小白提供了一个解决方案：
跟着好学生做应该能成功，不妨试一下吧！
（2）安装OpenCV
方式1：dd镜像制卡的运行环境
如果是dd镜像制卡的运行环境，按以下操作进行：
cd /usr/lib/aarch64-linux-gnu
sudo scp -r HwHiAiUser@192.168.1.2:/lib/aarch64-linux-gnu/* ./
sudo scp -r HwHiAiUser@192.168.1.2:/usr/lib/aarch64-linux-gnu/* ./
。。。
sudo scp -r HwHiAiUser@192.168.1.2:/usr/lib/.so. ./
拷贝opencv相关头文件。
sudo scp -r HwHiAiUser@192.168.1.2:/usr/include/opencv /usr/include/
sudo scp -r HwHiAiUser@192.168.1.2:/usr/include/opencv2 /usr/include/
。。。
方式2：mksd制卡的运行环境
这种环境下，运行环境基本上没有开发包。所以需要在200DK上安装OpenCV：
.。。
x86环境copy回对应的so：
cd /usr/lib/aarch64-linux-gnu
sudo scp -r HwHiAiUser@192.168.1.2:/lib/aarch64-linux-gnu/* ./
sudo scp -r HwHiAiUser@192.168.1.2:/usr/lib/aarch64-linux-gnu/* ./
sudo scp -r HwHiAiUser@192.168.1.2:/usr/lib/.so. ./
sudo scp -r HwHiAiUser@192.168.1.2:/usr/include/opencv* /usr/include
（其实仔细看看，除了需要在运行环境200DK上安装OpenCV之外，后续的拷贝动作跟mksd都是一样的。）
（3）执行编译
build：
这里比较奇怪，前面OpenCV没报错了，但是后面又去找了 runtime的目录，这个CMakeLists.txt文件确实写得有问题，至少是不适合交叉编译使用。
张小白检查了下上图中的link_librarys, 原来这个runtime目录跟实际的目录不对应：
张小白做了以下的修改：（ 在原来的runtime目录前增加了 一层arm64-linux目录）
再重新编译，成功了！
（4）YoLoV3的模型转换
A、下载caffe模型
需要先到200DK上执行以下命令：
cd $HOME/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/model
wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/yolov3.caffemodel
wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/yolov3.prototxt
wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/YOLOV3_coco_detection_picture/aipp_nv12.cfg
B、在运行环境（200DK）的命令行中完成模型转换：
atc –model=yolov3.prototxt –weight=yolov3.caffemodel –framework=0 –output=yolov3 –soc_version=Ascend310 –insert_op_conf=aipp_nv12.cfg
C、将转换好的离线模型拷贝到开发环境
在X86上执行：
cd ~/tag/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/model
scp HwHiAiUser@192.168.1.2:/home/HwHiAiUser/samples/cplusplus/level2_simple_inference/2_object_detection/YOLOV3_coco_detection_picture/model/yolov3.om .
D、准备待推理的图片
cd ../data
wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/YOLOV3_coco_detection_picture/dog1_1024_683.jpg –no-check-certificate
（4）代码运行
在MindStudio的菜单中选择Run：
等了一会儿，运行结果如下：
查看本地out/output目录下生成的结果图片：
确实 dog 99%已在结果图中标识出来了。
9、再次使用MindStudio打开venc样例工程
回过头来打开dvpp的venc的项目，这个时候应该也能编译和运行了：
这里面的细节就不细说了，跟前面处理的方式几乎一样。
（未完待续）
Original: https://blog.csdn.net/snmper/article/details/124611613
Author: 张小白TWO
Title: 玩转Atlas 200DK（五）OpenCV的安装
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/704118/
转载文章受原作者版权保护。转载请注明原作者出处！