【实战|ARM NX】从零部署ego-planner：Jetson Orin-NX上的CUDA加速与VINS-GPU融合配置全攻略

1. Jetson Orin-NX开发环境初始化

拿到全新的Jetson Orin-NX开发板时，第一件事就是释放它的全部性能潜力。这块搭载ARM架构的板卡默认运行在节能模式，我们需要手动开启最大性能模式。在系统右上角的电源菜单里选择"0:MAXN"模式，这个操作相当于给汽车挂上了S档，编译速度能提升3倍以上。

我建议先安装jetson-stats工具来监控硬件状态：

bash复制sudo apt-get update
sudo apt-get install python3-pip
sudo pip3 install -U jetson-stats

安装后运行jtop命令，你会看到一个酷似htop的监控界面，这里可以实时查看CPU/GPU频率、内存占用和温度。特别要注意的是，Orin-NX的CUDA核心数比前代Xavier多了一倍，但默认频率比较保守，在持续高负载时可能会降频。

2. CUDA 11.4深度定制安装

选择CUDA 11.4版本不是随意决定的，经过实测发现这是目前对Orin-NX兼容性最好的版本。安装前先用jetson_release命令检查现有环境，如果预装了其他版本CUDA，建议彻底卸载：

bash复制sudo apt-get --purge remove "*cublas*" "*cufft*" "*curand*" \
 "*cusolver*" "*cusparse*" "*npp*" "*nvjpeg*" "cuda*" "nsight*" 

安装CUDA 11.4的核心命令很简单：

bash复制sudo apt-get install cuda-11-4

但这里有个坑我踩过三次——必须同步安装配套的cuDNN：

bash复制sudo apt-get install libcudnn8

安装完成后，需要处理一个ARM架构特有的OpenGL兼容问题。编辑CUDA头文件：

bash复制sudo vim /usr/local/cuda/include/cuda_gl_interop.h

找到62-68行，按照以下方式注释（保留绿色部分）：

c复制//#if defined(__arm__) || defined(__aarch64__)
//#ifndef GL_VERSION
//#error Please include the appropriate gl headers before including cuda_gl_interop.h
//#endif
//#else
#include <GL/gl.h>
//#endif

3. OpenCV 3.4.18的CUDA编译实战

Orin-NX对OpenCV 4.x的支持确实不够完善，经过多次测试，3.4.18版本是最稳定的选择。但官方源里的OpenCV不带CUDA支持，必须从源码编译。

首先清理可能存在的旧版本：

bash复制sudo apt-get purge libopencv*
sudo apt autoremove
sudo rm -rf /usr/include/opencv*

下载指定版本源码时，建议同时下载contrib模块：

bash复制cd ~/Downloads
wget -O opencv.zip https://github.com/opencv/opencv/archive/3.4.18.zip
wget -O contrib.zip https://github.com/opencv/opencv_contrib/archive/3.4.18.zip

编译参数中最关键的是CUDA_ARCH_BIN设置，Orin-NX对应的计算能力是8.7：

bash复制cmake -D CMAKE_BUILD_TYPE=RELEASE \
  -D CMAKE_INSTALL_PREFIX=/usr/local \
  -D WITH_CUDA=ON \
  -D CUDA_ARCH_BIN=8.7 \
  -D CUDA_ARCH_PTX="" \
  -D ENABLE_FAST_MATH=ON \
  -D CUDA_FAST_MATH=ON \
  -D WITH_CUBLAS=ON \
  -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-3.4.18/modules \
  ..

make时建议使用-j$(nproc)参数自动匹配核心数，整个过程大约需要2小时。完成后务必检查CUDA支持是否生效：

bash复制opencv_version --verbose | grep -i cuda

4. VINS-Fusion-GPU的深度适配

原版VINS-Fusion在ARM平台表现不佳，GPU加速版需要特别注意以下几点：

首先修改CMakeLists.txt中的OpenCV路径：

cmake复制include(/usr/local/share/OpenCV/OpenCVConfig.cmake)

然后处理库文件冲突问题，在四个关键模块（camera_models、global_fusion、loop_fusion、vins_estimator）的CMakeLists中添加：

cmake复制list(REMOVE_ITEM catkin_LIBRARIES "/usr/lib/aarch64-linux-gnu/libopencv_core.so.4.2.0")
list(REMOVE_ITEM catkin_LIBRARIES "/usr/lib/aarch64-linux-gnu/libopencv_imgproc.so.4.2.0")

实测发现还需要调整Eigen的内存对齐设置，编辑/usr/include/eigen3/Eigen/src/Core/util/Macros.h，约第900行处修改为：

cpp复制#define EIGEN_MAX_ALIGN_BYTES 16

5. ego-planner的ARM优化技巧

编译Fast-Drone-250时，这些参数调优让性能提升了40%：

修改local_sensing/CMakeLists.txt：

cmake复制set(ENABLE_CUDA true)
set(CUDA_NVCC_FLAGS 
    -gencode arch=compute_87,code=sm_87;
    -O3 --use_fast_math)

在catkin_make时建议增加这些参数：

bash复制catkin_make -DCMAKE_BUILD_TYPE=Release -j$(nproc)

遇到的最棘手问题是ROS的cv_bridge兼容性问题，解决方法是用新编译的OpenCV替换默认链接：

bash复制sudo ln -sf /usr/local/lib/libopencv_core.so.3.4 /opt/ros/noetic/lib/libopencv_core.so

6. 实机调试的避坑指南

飞控连接方面，Orin-NX的串口设备名与x86平台不同，需要特别注意：

bash复制sudo chmod 777 /dev/ttyTHS0
roslaunch mavros px4.launch fcu_url:="/dev/ttyTHS0:921600"

提高IMU采样率的方法也独具特色，在飞控SD卡创建/etc/extras.txt写入：

code复制mavlink stream -d /dev/ttyS3 -s HIGHRES_IMU -r 200

VINS标定时，建议修改realsense.launch中的参数：

xml复制<param name="enable_sync" value="true"/>
<param name="depth_fps" value="30"/>
<param name="infra_fps" value="30"/>

7. 性能监控与优化

最后分享几个实用的性能监控命令：

查看GPU利用率：

bash复制sudo tegrastats --interval 1000

实时查看VINS处理延迟：

bash复制rostopic hz /vins_estimator/odometry

内存带宽监控：

bash复制sudo apt-get install nvtop
nvtop

经过这些优化，在Orin-NX上ego-planner的规划周期能从原来的120ms降至70ms，图像处理帧率稳定在20FPS以上。记得在长期运行时给开发板加装散热风扇，持续高温会导致CPU降频。