这里重新修改了项目结构，由于之前的为了完成课设，将 空车位识别 与 最短路寻路 混合，导致项目混乱，以及由于将
torch训练的模型存入仓库，导致仓库很难clone，这里重新整理该项目。
稍微实际一点场景下的而最短路寻路，主要是对于 点 和 边 的建模，对于基于道路联通的情况下，往往使用 (我自己猜的) 道路分叉点 作为 点(Node) 会是很好的解决办法，然后这样情况下，边(Edge) 也被我们建模出来了，就是两个相连分叉点之间的道路。
可行性：上述建模的可行性依赖于：
- 大部分道路较为笔直，这样形成的交叉点的数目最多是 道路个数 x 道路个数 ；
- 精度要求不高，因为为了简化问题，一般我们只会在地图某个 scale 下讨论最短路问题，例如，你只会在 一个市区的地图 讨论你家到附近奶茶店的最短路，而不会在 一个世界地图里 讨论你家到附近奶茶店的最短距离，这种情况下，需要的道路数目并不太多，因此整个 图 其实规模不大，而你依然能得到最优解，其中精度的丢失来源于 scale 的选择。
而具体到本项目，一个停车场的 scale，那显然采取这种方式是可行的，因为 dijkstra 可以达到 dijkstra 在
实际情况下，也许考虑删去大部分冗余的点和边
本项目讨论如下露天停车场的寻路，即，对于一个入口，找到当前最近的空车位，并返回一个规划路径：
首先介绍主要文件：
-
main.py: 生成所有 点，边 ，以及寻找 空车位位置 将其存在./config文件夹下- 获取道路分叉点，采用的方式是人工手工标注，结果可以参考
./saveimg/raw.jpg下的形式，然后代码里采用识别绿点以及红线的策略，具体实现方式建议参阅代码。
- 获取道路分叉点，采用的方式是人工手工标注，结果可以参考
-
upd.py: 根据输入一张当前遥感卫星拍摄的图片，来更新对应车位是否有车，或者没车 -
Graph.py: 使用dijkstra得到离当前起点 (本项目规定0，1分别是位于左，右边的入口) 最近的空车位的位置，并输出规划路径的图片
其次是：
detection: 检测车位位置是否为空，基于深度学习，其实对于这个简单问题不需要深度学习也可以很好，我偷懒了，用了resnet.model：点的建模utils: 存储main.py所需的工具saveimg：存储稀少的遥感卫星露天停车场的素材，你可以生成更多素材，一种方式是，截取一个车位的图像，然后将其覆盖到其它空车的位置
首先下载 https://1drv.ms/u/s!Avz63L6xEcuNgSCKqm3JowjJ_XdE?e=ZNgRWc 里的文件，放置到 ./detection/Trained 目录下。
- 单独运行
main.py生成点，边 - 单独运行
upd.py更新每个车位是否有车的信息 - 单独运行
Graph.py默认得到距离左边入口最近的空车位的路径规划