windows下安装编译opencv4.2+opencv_contrib+dnn模块支持cuda加速
前言
OpenCV官方提供了windows可安装的版本，已经有编译好的dll，不过不包括opencv_contrib。如果想应用这部分算法，则需要自己编译opencv，将opencv_contrib编译到opencv中。
所需材料：
- opencv源代码
- opencv_contrib源代码
- cuda10.0
- cudnn
- cmake
- vs2015
- 通畅的网络（在编译配置过程中翻墙了，没有遇到网上下载出错的问题）
1. 下载源码与安装环境
1.1 下载 opencv 官方源码，
官方网站下载：https://opencv.org/releases/
1.2 下载opencv_contrib源码
opencv_contrib源码可以在GitHub上下载：https://github.com/opencv/opencv_contrib/releases
1.3 解压下载的源码包
解压后的源码包如下所示
1.4 安装cuda，cudnn
cuda10.0 下载地址：https://developer.nvidia.com/cuda-10.0-download-archive
cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-download【下载需要登录账号】
2 使用CMake-Gui配置项目
2.1 配置源码路径
设置opencv官方源码目录和生成目录
2.2 配置编译平台
点击Configure，弹出对话框，选择编译工程的平台。我选的是64位的VS2015
2.3 修改配置项
第一次点击configure一般会出错，即很多项都是红色。
勾选OPENCV_DNN_CUDA
设置OPENCV_EXTRA_MODULES_PATH，即opencv_contrib源码包下的modules路径。
在BUILD下 勾选 BUILD_opencv_world，可以编译出opencv_world库，调用时直接使用该库。
2.4 再次点击configure
配置完成的没有问题的项，会变成白色，红色的项需要修改后，再次点击configure，直到变成全白。
2.5 生成OpenCV.sln vs 解决方案项目
等配置完成，没有错误后，点击generate，生成 vs 的 sln 项目
3 使用VS Studio编译opencv
3.1 打开 OpenCV.sln
3.2 编译工程
选择Debug x64，点击生成->生成解决方案开始编译，这个过程比较漫长，需要耐心。同样更改成Release x64,可以生成Release版本的库。
错误集锦：
1. unsupported architectures from CUDA_ARCH_BIN option.
CMake Error at modules/dnn/CMakeLists.txt:99 (message):
CUDA backend for DNN module requires CC 5.3 or higher. Please remove
unsupported architectures from CUDA_ARCH_BIN option.
Call Stack (most recent call first):
modules/world/CMakeLists.txt:13 (include)
modules/world/CMakeLists.txt:32 (include_one_module)
解决方法：
只需将CUDA_ARCH_BIN中小于5.3的选项去掉
2. 文件download失败解决方法
文件下载失败和网络有关系，而且一旦失败就会有多个文件下载失败，下面以第一个下载失败文件为例，进行说明，日志如下
从上面可以看出，下载日志在保存在“E:\opencv4.2\opencv\sources\build\CMakeDownloadLog.txt”文件内，打开文件，搜索"ippicv", 第三行即为本文件信息
其中上面为本地缓存路径，下面为下载网址，直接复制网址到浏览器下载，如果浏览器也下载失败，可以尝试将地址复制到迅雷或者IDM中进行下载，
下载后保存到“E:/opencv4.2/opencv/sources/.cache/ippicv/”目录，删除目录内大小0KB的文件（如果有）， 并按照d222685246896fe089f88b8858e4b2f-ippicv_2019_win_intel64_20180723_general.zip重命名
其它下载失败的文件可以用同样的方法进行处理。
3.“cv::dnn::cuda4dnn::csl::device::detail::getBlockDim” 错误
中文显示乱码，搜索微软C2912错误描述为：显式专用化“declaration”不是函数模板的专用化，无法特化非模板函数。
可以采用修改方法：
1） 删除错误行
cudnn.hpp文件，将报错行的decltype部分去掉
grid_stride_range.hpp 文件，同样方法修改
2） 修改错误行
对应错误代码位置为
（1）修改sources\modules\dnn\src\cuda\grid_stride_range.hpp文件
替换15-33行为：
using dim3_member_type = decltype(dim3::x);
template <int> __device__ dim3_member_type getGridDim();
template <> inline __device__ dim3_member_type getGridDim<0>() {
return gridDim.x; }
template <> inline __device__ dim3_member_type getGridDim<1>() {
return gridDim.y; }
template <> inline __device__ dim3_member_type getGridDim<2>() {
return gridDim.z; }
template <int> __device__ dim3_member_type getBlockDim();
template <> inline __device__ dim3_member_type getBlockDim<0>() {
return blockDim.x; }
template <> inline __device__ dim3_member_type getBlockDim<1>() {
return blockDim.y; }
template <> inline __device__ dim3_member_type getBlockDim<2>() {
return blockDim.z; }
using uint3_member_type = decltype(uint3::x);
template <int> __device__ uint3_member_type getBlockIdx();
template <> inline __device__ uint3_member_type getBlockIdx<0>() {
return blockIdx.x; }
template <> inline __device__ uint3_member_type getBlockIdx<1>() {
return blockIdx.y; }
template <> inline __device__ uint3_member_type getBlockIdx<2>() {
return blockIdx.z; }
template <int> __device__ uint3_member_type getThreadIdx();
template <> inline __device__ uint3_member_type getThreadIdx<0>() {
return threadIdx.x; }
template <> inline __device__ uint3_member_type getThreadIdx<1>() {
return threadIdx.y; }
template <> inline __device__ uint3_member_type getThreadIdx<2>() {
return threadIdx.z; }
(2) 修改sources\modules\dnn\src\cuda4dnn\csl\cudnn\cudnn.hpp文件
替换40-42行为：
using cudnn_data_enum_type = decltype(CUDNN_DATA_FLOAT);
template <class> cudnn_data_enum_type get_data_type();
template <> inline cudnn_data_enum_type get_data_type<half>() {
return CUDNN_DATA_HALF; }
template <> inline cudnn_data_enum_type get_data_type<float>() {
return CUDNN_DATA_FLOAT; }
之后保存，重新编译即可成功。