# 激光雷达目标检测算法部署流程：使用本地点云文件回灌（humble版本）

1. 板端下载回灌的点云文件
cd ~
wget http://archive.d-robotics.cc/TogetheROS/data/hobot_centerpoint_data.tar.gz

2. 解压缩
mkdir -p ~/centerpoint_data
tar -zxvf ~/hobot_centerpoint_data.tar.gz -C ~/centerpoint_data

3. 配置tros.b humble环境
source /opt/tros/humble/setup.bash
if [ -L qat ]; then rm qat; fi
ln -s `ros2 pkg prefix hobot_centerpoint`/lib/hobot_centerpoint/qat/ qat
ln -s ~/centerpoint_data centerpoint_data

4. 启动launch文件
<<<<<<< Updated upstream
ros2 launch hobot_centerpoint hobot_centerpoint.launch.p
=======
ros2 launch hobot_centerpoint hobot_centerpoint.launch.py
>>>>>>> Stashed changes

5. 测试效果 
运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）

# 激光雷达目标检测算法部署流程：使用本地点云文件回灌（foxy版本）

1. 板端下载回灌的点云文件
wget http://archive.d-robotics.cc/TogetheROS/data/hobot_centerpoint_data.tar.gz

2. 解压缩
mkdir config
tar -zxvf hobot_centerpoint_data.tar.gz -C config

3. 配置tros.b环境
source /opt/tros/setup.bash

4. 启动websocket服务
ros2 launch websocket websocket_service.launch.py

5. 启动launch文件
ros2 launch hobot_centerpoint hobot_centerpoint_websocket.launch.py lidar_pre_path:=config/hobot_centerpoint_data

<<<<<<< Updated upstream
5. 测试效果 
=======
6. 测试效果 
>>>>>>> Stashed changes
运行成功后在pc端游览器输入：[http://IP:8000](http://ip:8000/)，即可查看图像和算法渲染效果（IP为RDK的IP地址）