Ubuntu 22.04 搭建深度学习与计算机视觉环境完全指南（CUDA、cuDNN、TensorRT、RealSense、PCL、OpenCV 一站式安装详解）

欢迎来到Ubuntu 22.04视觉开发环境搭建教程。无论你是刚入门深度学习，还是需要配置完整的计算机视觉工作站，本文都将手把手带你完成CUDA安装、cuDNN配置、TensorRT推理、RealSense SDK、PCL点云库以及OpenCV编译。所有步骤均在Ubuntu 22.04 LTS上验证通过，确保小白也能轻松复现。

1. 准备工作：系统更新与基础依赖

打开终端，首先更新软件源并安装编译工具链：

sudo apt update && sudo apt upgrade -ysudo apt install build-essential cmake git pkg-configsudo apt install libssl-dev libbz2-dev libreadline-dev libsqlite3-dev

上述命令会安装gcc/g++、make、cmake等核心工具，后续编译OpenCV和PCL时会用到。

2. 安装NVIDIA显卡驱动

视觉环境强烈依赖NVIDIA GPU。首先检测显卡型号并安装驱动（以535版本为例）：

ubuntu-drivers devicessudo apt install nvidia-driver-535sudo reboot

重启后运行nvidia-smi验证驱动是否成功安装。

3. CUDA安装（以CUDA 11.8为例）

CUDA安装是GPU加速的基础。前往NVIDIA官网下载runfile或使用deb网络安装。推荐使用deb方式：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.debsudo dpkg -i cuda-keyring_1.0-1_all.debsudo apt updatesudo apt install cuda-11-8

安装后添加环境变量：在~/.bashrc末尾加入export PATH=/usr/local/cuda-11.8/bin:$PATH和export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH，然后source ~/.bashrc。验证nvcc -V。

4. cuDNN配置

cuDNN配置需要NVIDIA开发者账号。下载与CUDA 11.8匹配的cuDNN v8.6.0，然后安装：

tar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xzsudo cp cudnn--archive/include/cudnn.h /usr/local/cuda-11.8/include sudo cp -P cudnn--archive/lib/libcudnn /usr/local/cuda-11.8/lib64 sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h /usr/local/cuda-11.8/lib64/libcudnn*

完成后可用cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR查看版本。

5. TensorRT推理库安装

TensorRT推理能极大加速模型部署。下载TensorRT 8.5 GA匹配CUDA 11.8的deb包：

sudo dpkg -i nv-tensorrt-repo-ubuntu2204-cuda11.8-trt8.5.2.2-ga-20230214_1-1_amd64.debsudo apt updatesudo apt install tensorrt

验证dpkg -l | grep TensorRT。Python接口可pip install tensorrt。

6. RealSense SDK安装

RealSense SDK用于深度相机驱动。添加Intel服务器并安装：

sudo mkdir -p /etc/apt/keyringscurl -sSf https://librealsense.intel.com/Debian/librealsense.pgp | sudo tee /etc/apt/keyrings/librealsense.pgp > /dev/nullecho "deb [signed-by=/etc/apt/keyrings/librealsense.pgp] https://librealsense.intel.com/Debian/apt-repo lsb_release -cs main" | sudo tee /etc/apt/sources.list.d/librealsense.listsudo apt updatesudo apt install librealsense2-dkms librealsense2-utils librealsense2-dev

插入RealSense相机，运行realsense-viewer测试。

7. PCL点云库安装

PCL（Point Cloud Library）推荐从源码编译以获得最新特性，但apt亦可快速安装：

sudo apt install libpcl-dev pcl-tools

如需源码编译，可参考官方文档，此处apt版本满足多数应用。

8. OpenCV编译安装（支持CUDA）

为了充分发挥GPU性能，我们编译OpenCV并开启CUDA模块。首先下载源码：

git clone https://github.com/opencv/opencv.gitcd opencv && mkdir build && cd buildcmake -D CMAKE_BUILD_TYPE=RELEASE \n      -D CMAKE_INSTALL_PREFIX=/usr/local \n      -D WITH_CUDA=ON \n      -D WITH_CUDNN=ON \n      -D OPENCV_DNN_CUDA=ON \n      -D ENABLE_FAST_MATH=1 \n      -D CUDA_FAST_MATH=1 \n      -D WITH_CUBLAS=1 \n      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules ..make -j$(nproc)sudo make install

编译时间较长，请耐心等待。完成后通过pkg-config --modversion opencv4检查版本。

9. 综合验证

编写一个小程序测试CUDA、cuDNN、TensorRT、RealSense、PCL、OpenCV是否都能正常工作。推荐使用C++或Python导入各库，若无报错则环境完美。

至此，你的Ubuntu 22.04已具备完整的视觉开发能力！后续可基于此环境进行深度学习训练、模型推理、3D视觉等项目。如果在安装中遇到任何问题，欢迎在评论区交流。

—— 视觉环境配置专家 · 2025年3月