2、工控机环境搭建：Ubuntu系统安装、OpenCV编译安装、Python虚拟环境配置

工控机环境搭建，说白了就是给你的机器装上趁手的工具。这一步要是没做好，后面写代码、跑视觉算法，处处都是坑。我这些年折腾过的工控机不下几十台，从X86到ARM架构，从Ubuntu 16.04到22.04，踩过的雷能写一本小册子。今天咱们就一步步来，把环境搭得稳稳当当。

2.1 Ubuntu系统安装——选对版本很重要

工控机不比普通PC，硬件五花八门。我个人习惯用Ubuntu 20.04 LTS，为什么？因为它的驱动支持最全，OpenCV的兼容性也最好。你想想看，工控机上的摄像头、采集卡，很多厂家只提供20.04的驱动包。你要是装个22.04，可能就得自己编译驱动了。

安装步骤其实不复杂，但有几个关键点：

1. 制作启动盘——用Rufus或者balenaEtcher，别用UltraISO。我遇到过用UltraISO做的盘，工控机死活不认。
2. 分区方案——建议分三个区：/boot 给1GB，/ 给50GB，剩下的全给 /home。为什么？因为OpenCV编译出来的库文件、虚拟环境里的包，全在home目录下。
3. 安装时断网——这个很多人不知道。联网安装会下载更新，慢得要命。先断网装完系统，再换国内源更新。

装完之后，第一件事换源。我习惯用清华源：

sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
sudo apt update && sudo apt upgrade -y

2.2 OpenCV编译安装——别偷懒用pip

很多人图省事，直接 pip install opencv-python。嗯，这里要注意，这样装出来的OpenCV不支持GStreamer、不支持CUDA、不支持很多工控机需要的功能。说白了就是个阉割版。

我在项目中遇到过，用pip装的OpenCV，连个USB摄像头都打不开。后来查了半天，发现是缺少V4L2支持。所以，工控机上一定要源码编译。

编译前先装依赖：

sudo apt install build-essential cmake git pkg-config
sudo apt install libjpeg-dev libtiff5-dev libpng-dev
sudo apt install libavcodec-dev libavformat-dev libswscale-dev
sudo apt install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev
sudo apt install libv4l-dev v4l-utils
sudo apt install libgtk-3-dev
sudo apt install libatlas-base-dev gfortran

然后下载源码，我建议用4.8.0版本，稳定且bug少：

wget -O opencv.zip https://github.com/opencv/opencv/archive/4.8.0.zip
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.8.0.zip
unzip opencv.zip && unzip opencv_contrib.zip

编译配置是关键。我习惯用这样的CMake参数：

cd opencv-4.8.0
mkdir build && cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D WITH_TBB=ON \
      -D WITH_V4L=ON \
      -D WITH_GSTREAMER=ON \
      -D WITH_CUDA=ON \
      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.8.0/modules \
      -D BUILD_opencv_python3=ON \
      -D PYTHON3_EXECUTABLE=$(which python3) \
      -D PYTHON3_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
      -D PYTHON3_PACKAGES_PATH=$(python3 -c "from distutils.sysconfig import get_python_lib; print(get_python_lib())") \
      ..

编译完成后：

sudo make install
sudo ldconfig

验证一下：

python3 -c "import cv2; print(cv2.getBuildInformation())"

看到输出里有 GStreamer: YES、V4L/V4L2: YES，就说明编译成功了。

2.3 Python虚拟环境配置——隔离是王道

工控机上跑视觉项目，最怕什么？依赖冲突。这个项目要OpenCV 4.5，那个项目要4.8，还有的项目要TensorFlow 1.x。如果不隔离，早晚会出问题。

我建议用 venv 或者 conda。工控机上我习惯用 venv，因为它轻量，不占空间。

先装好Python3和venv：

sudo apt install python3 python3-pip python3-venv
python3 -m pip install --upgrade pip

然后创建虚拟环境。我习惯把虚拟环境放在项目目录下，方便管理：

mkdir ~/vision_project && cd ~/vision_project
python3 -m venv venv
source venv/bin/activate

激活后，你会看到命令行前面多了 (venv) 字样。这时候安装的包，都只在这个环境里生效。

ln -s /usr/local/lib/python3.8/site-packages/cv2/python-3.8/cv2.cpython-38-x86_64-linux-gnu.so cv2.so

常用的包一次性装好：

pip install numpy matplotlib scipy
pip install pillow imutils
pip install pyserial  # 工控机经常要跟PLC通信
pip install flask     # 有时候需要搭个简单的Web服务

把依赖导出到文件，方便以后复现：

pip freeze > requirements.txt

下次换机器，直接 pip install -r requirements.txt 就行。

2.4 避坑指南——我踩过的那些雷

环境搭建这块，坑是真的多。我挑几个典型的说说：

• OpenCV编译报错找不到CUDA——多半是NVIDIA驱动没装好。先跑 nvidia-smi 看看能不能识别显卡。不能的话，去官网下驱动手动装。
• 虚拟环境里import cv2报错——检查一下软链接路径对不对。我曾经因为Python版本搞混了，链接到了3.6的目录，结果环境是3.8的，折腾了半天。
• 工控机重启后摄像头打不开——多半是权限问题。把用户加到video组：sudo usermod -aG video $USER，然后注销重登。
• 编译到一半卡死——工控机内存不够。用 make -j1 单线程编译，虽然慢，但至少不会崩。

嗯，环境搭建就这些。别嫌麻烦，这一步做好了，后面写代码、调算法，顺风顺水。要是这一步偷懒，后面每跑一个项目，都可能被环境问题卡住。

下一章，咱们开始讲工控机上的相机驱动与图像采集。到时候会用到今天装好的OpenCV，记得把环境准备好。