cpp目录下提供了C++例程以供参考使用，具体情况如下：
| 序号 | C++例程 | 说明 |
|---|---|---|
| 1 | yolov8_bmcv | 使用FFmpeg解码、BMCV前处理、BMRT推理、支持后处理加速的opt模型 |
如果您在x86/arm/riscv平台安装了PCIe加速卡（如SC系列加速卡），可以直接使用它作为开发环境和运行环境。您需要安装libsophon、sophon-opencv和sophon-ffmpeg，具体步骤可参考x86-pcie平台的开发和运行环境搭建或arm-pcie平台的开发和运行环境搭建或riscv-pcie平台的开发和运行环境搭建。
如果您使用SoC平台（如SE、SM系列边缘设备），刷机后在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包，可直接使用它作为运行环境。通常还需要一台x86主机作为开发环境，用于交叉编译C++程序。
C++程序运行前需要编译可执行文件。
可以直接在PCIe平台上编译程序：
cd cpp/yolov8_bmcv
mkdir build && cd build
cmake ..
make
cd ..编译完成后，会在yolov8_bmcv目录下生成yolov8_bmcv.pcie。
通常在x86主机上交叉编译程序，您需要在x86主机上使用SOPHON SDK搭建交叉编译环境，将程序所依赖的头文件和库文件打包至soc-sdk目录中，具体请参考交叉编译环境搭建。本例程主要依赖libsophon、sophon-opencv和sophon-ffmpeg运行库包。
交叉编译环境搭建好后，使用交叉编译工具链编译生成可执行文件：
cd cpp/yolov8_bmcv
mkdir build && cd build
#请根据实际情况修改-DSDK的路径，需使用绝对路径。
cmake -DTARGET_ARCH=soc -DSDK=/path_to_sdk/soc-sdk ..
make编译完成后，会在yolov8_bmcv目录下生成yolov8_bmcv.soc。
对于PCIe平台，可以直接在PCIe平台上推理测试；对于SoC平台，需将交叉编译生成的可执行文件及所需的模型、测试数据拷贝到SoC平台中测试。测试的参数及运行方式是一致的，下面主要以PCIe模式进行介绍。
可执行程序默认有一套参数，请注意根据实际情况进行传参，具体参数说明如下：
Usage: yolov8_bmcv.pcie [params]
--bmodel (value:../../models/BM1684/yolov8s-pose_fp32_1b.bmodel)
bmodel file path
--conf_thresh (value:0.25)
confidence threshold for filter boxes
--dev_id (value:0)
TPU device id
--help (value:true)
print help information.
--input (value:../../datasets/test)
input path, images direction or video file path
--nms_thresh (value:0.7)
iou threshold for nms注意： CPP传参与python不同，需要用等于号，例如./yolov8_bmcv.pcie --bmodel=xxx。
图片测试实例如下，支持对整个图片文件夹进行测试。
./yolov8_bmcv.pcie --input=../../datasets/test --bmodel=../../models/BM1684X/yolov8s-pose_fp32_1b.bmodel --dev_id=0 --conf_thresh=0.25 --nms_thresh=0.7 测试结束后，会将预测的图片保存在results/images下，预测的结果保存在results/yolov8s-pose_fp32_1b.bmodel_test_bmcv_cpp_result.json下，同时会打印预测结果、推理时间等信息。
视频测试实例如下，支持对视频流进行测试。
./yolov8_bmcv.pcie --input=../../datasets/dance_1080P.mp4 --bmodel=../../models/BM1684X/yolov8s-pose_fp32_1b.bmodel --dev_id=0 --conf_thresh=0.25 --nms_thresh=0.7 测试结束后，会将预测结果画在图片上并保存在results/images中，同时会打印预测结果、推理时间等信息。