Directional Marking Point
定向标记点实际上是一种以标记点及其邻域为特征的局部图像模式。它有三个属性，位置、形状和方向。
Position: 标记点是标记线的连接点。然而，严格地说，标记线是具有一定宽度的线形标记。两条相交的标记线形成了一个方形的结区域。在这里，我们定义了一个方向标记点的位置，作为这个交叉点区域的中心。
Shape: 根据标记点图案的形状，各种标记点可分为T形标记点和L形标记点。T形标记点的图案形状类似于字母“T”，而L形标记点的图案形状类似于字母“L”。
Orientation: 由于T形标记点的图案是对称的，将其方向定义为沿对称轴的方向。L形标记点图案，我们将其方向定义为顺时针旋转90◦后沿标记线与其他标记线重叠的方向。
因此，可以使用四维向量表示：\(p= \{x, y, s, \theta\}\)s: 0->T 1->L
ps2.0 数据处理：
- 每个点减300将原点变换到图像（600x600）中心
- 边界检查，去除边界40以内的点。
- 图像增广，以图像中心为原点每隔5度旋转，更新坐标。
- 检查统一网格中是否包含多个标记点，网格模型最终输出6x16x16，因此原图512x512分为16x16的网格。
- 图像resize 到512x512.
- 转换到图像左上角为原点的坐标系并归一化
模型：
通过CNN预测一张(6, S, S)的grid cell特征图， S的选取需要考虑到：尽量避免多个DMP落在同时落在一个cell内；计算量不能太大。, 6分别代表：
1. (cx, cy):Directional Marking-Point的中心点相对cell左上角偏移
2. s:形状
3. cos, sin：方向
4. C：落在该cell内的置信度
损失函数
损失函数定义为预测和地面事实之间的平方误差之和:
后处理：
利用先验知识对回归到的marking-point进行slot匹配: 1. 距离太远的匹配； 2. 不是邻接的匹配。 3. DMP属于规定的五类； 4. 组合属于规定的16种
Reference
[1] DMPR-PS: A Novel Approach for Parking-Slot Detection Using Directional Marking-Point Regression