rdk_robot_dev_agent/knowledge_hub/BEV感知算法部署流程.md

BEV感知算法部署流程：使用本地数据集回灌（humble版本）

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

2. 解压缩 mkdir -p hobot_bev_data tar -zxvf hobot_bev_data.tar.gz -C hobot_bev_data

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

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

5. 启动运行脚本，并指定数据集路径 ros2 launch hobot_bev hobot_bev.launch.py image_pre_path:=hobot_bev_data/data

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

BEV感知算法部署流程：使用本地数据集回灌（foxy版本）

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

2. 解压缩 mkdir -p ~/hobot_bev_data tar -zxvf ~/nuscenes_bev_val.tar.gz -C ~/hobot_bev_data

3. 配置tros.b source /opt/tros/setup.bash if [ -L qat ]; then rm qat; fi ln -s ros2 pkg prefix hobot_bev/lib/hobot_bev/qat/ qat ln -s ~/hobot_bev_data/nuscenes_bev_val nuscenes_bev_val

4. 启动launch文件 ros2 launch hobot_bev hobot_bev.launch.py

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