# 光流估计算法部署流程：用MIPI摄像头发布为照片

1. 配置tros.b环境 若为humble则用source /opt/tros/humble/setup.bash
source /opt/tros/setup.bash

2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/${TROS_DISTRO}/lib/parking_perception/config/ .

3. 配置MIPI摄像头
export CAM_TYPE=mipi

4. 启动launch文件
ros2 launch parking_perception parking_perception.launch.py 

4. 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）

# 光流估计算法部署流程：用usb摄像头发布为照片

1. 配置tros.b环境 若为humble则用source /opt/tros/humble/setup.bash
source /opt/tros/setup.bash

2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/${TROS_DISTRO}/lib/parking_perception/config/ .

3. 配置sub摄像头
export CAM_TYPE=sub

4. 启动launch文件
ros2 launch parking_perception parking_perception.launch.py 

4. 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）

# 光流估计算法部署流程：使用本地照片回灌

1. 配置tros.b环境 若为humble则用source /opt/tros/humble/setup.bash
source /opt/tros/setup.bash

2. 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/${TROS_DISTRO}/lib/parking_perception/config/ .

3. 配置MIPI摄像头
export CAM_TYPE=fb

4. 启动launch文件
ros2 launch parking_perception parking_perception.launch.py 
4. 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）