Le Raspberry Pi 5 représente une avancée significative pour la vision par ordinateur embarquée, grâce à son architecture ARM Cortex-A76. Ses performances CPU et GPU accrues permettent d'atteindre une fluidité supérieure de 40 % lors du traitement de flux vidéo 1080p par rapport au Raspberyr Pi 4. Pour exploiter ce potentiel, l'utilisation de Raspberry Pi OS en version 64 bits est impérative, idéalement en version "Lite" pour minimiser l'empreinte mémoire et maximiser les ressources allouées au traitement d'images.

Avant d'entamer la compilation d'OpenCV, il est crucial de préparer l'environnement système. Une mise à jour des dépôts et l'installation des dépendances liées au décodage vidéo et au calcul parallèle sont nécessaires :

sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential cmake git pkg-config \
libjpeg-dev libpng-dev libtiff-dev \
libavcodec-dev libavformat-dev libswscale-dev libv4l-dev \
libxvidcore-dev libx264-dev \
libgtk-3-dev libcanberra-gtk3-set-desktop-cache-utils \
libtbb2 libtbb-dev

Bien qu'OpenCV soit disponible via les gestionnaires de paquets classiques, une compilation manuelle à partir des sources est recommandée pour le Raspberry Pi 5. Cette approche permet d'activer des optimisations spécifiques à l'architecture ARMv8, offrant un gain de performance d'environ 25 %. Pour ce faire, nous utilisons la branche stable la plus récente (version 4.9.x).

git clone https://github.com/opencv/opencv.git --branch 4.9.0 --depth 1
cd opencv
mkdir workspace && cd workspace

La configuration via CMake est l'étape la plus critique. Il est essentiel d'activer le support NEON et la virgule flottante VFPv3 pour accélérer les opérations matricielles. Voici une configuration optimisée pour le Raspberry Pi 5 :

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D ENABLE_NEON=ON \
      -D ENABLE_VFPV3=ON \
      -D WITH_TBB=ON \
      -D WITH_V4L=ON \
      -D WITH_QT=OFF \
      -D WITH_GTK=ON \
      -D OPENCV_ENABLE_NONFREE=ON \
      -D OPENCV_GENERATE_PKGCONFIG=ON ..

L'activation de WITH_TBB=ON permet à OpenCV de mieux répartir la charge sur les quatre cœurs du Raspberry Pi 5. Les instructions SIMD (NEON) sont particulièrement efficaces pour les algorithmes de détection de contours et de filtrage spatial, où l'on observe souvent une réduction du temps de calcul de l'ordre de 40 %.

Pour lancer la compilation en exploitant toute la puissance du SoC, utilisez la commande suivante en spécifiant le nombre de threads (4 pour le Raspberry Pi 5) :

make -j4
sudo make install
sudo ldconfig

Une fois l'installation terminée, l'intégration de techniques de multi-threading dans vos scripts est la clé pour maintenir un taux de rafraîchissement élevé. En isolant la capture de la caméra et le traitement d'image dans des threads séparés, on évite que le délai de traitement n'impacte la fluidité du flux entrant.