首先安装opencv，在linux环境：
sudo apt update
sudo apt install libopencv-dev
sudo apt install build-essential通过以上代码实现opencv的安装（在本地ubuntu上测试了opencv4.5.4, 4.5.5没问题, 在服务器上测试4.5.3有问题，不确定是环境还是版本问题）、基本C++编译器（例如gcc）的安装。
cd Opencv
mkdir build && cd build
cmake .. && make此时在build文件夹内生成可执行文件hello,通过./hello运行
./hello此时会打印图片的形状：
kiko@kiko-u:~/Desktop/hello/build$ ./hello
>>> Hello word
>>> Image size: 1366x96cd load_onnx
mkdir build && cd build
cmake .. && make此时在build文件夹内生成可执行文件onnxruntime_example,通过./onnxruntime_example运行
./onnxruntime_example此时会输出结果：
kiko@kiko-u:~/Desktop/load_onnx/build$ ./onnxruntime_example
>>> Model loaded successfully.cd infer_onnx
mkdir build && cd build
cmake .. && make此时在build文件夹内生成可执行文件onnxruntime_example,通过./onnxruntime_example运行
./onnxruntime_example此时会输出结果：
>>> Model loaded successfully.
>>> Number of input nodes: 1
>>> Number of output nodes: 1
>>> 输入节点名称:input.1
>>> 输入节点shape:1 3 224 224
>>> 输出节点名称:191
>>> 输出节点shape:1 1000
>>> ...
>>> ...
>>> result: cls_idx=817, confidence=12.453, classes:sports car该模型暂未使用softmax对类别进行logit操作所以给出的置信度不是真正意义的置信度，但用于分类已够用。
cd YOLOv8-ONNXRuntime-CPP
mkdir build && cd build
cmake .. && make这里如果只是报warning可以忽略；此时生成可执行文件：Yolov8OnnxRuntimeCPPInference
注：此代码相较于原yolov8项目修改了cmakelists，并将main.cpp中的模式由分类改为了检测；编译完成后在build文件夹内会有image文件夹，将图片放入image文件夹下，再执行代码：
./Yolov8OnnxRuntimeCPPInference在有GUI界面的ubuntu下会直接弹出检测结果的图片窗口。其实这里给出的图片框并不准确，查阅issues应该是库不兼容的问题，可能需要检查一下box相关的代码或者更换库版本尝试，不过本项目主要以跑通各种模型为准，后续再修复该bug。