rdk_robot_dev_agent/knowledge_hub/激光雷达目标检测算法部署流程.md

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，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，即可查看图像和算法渲染效果（IP为RDK的IP地址）