deepstream车道线检测自定义插件化，其中要注意pipeline的配置，如果插件位置配置不对，会报input format should be RGBA when using blur-obje

deepstream推理，进行车道线检测方法有三种
方法1：想来想去，我觉得还是将车道线检测进行插件化，自定义ds-example，这样有灵活性，哪里都可以用，后期优化也方便，userMeta向下传递数据，displaymeta也传递下去进行绘制，这样可以不用自己写point的赋值过程，而且后面直接用这个displaymeta就可以显示出来。
最新思路是将ds-example中的mat数据发布的到ros，然后车道线检测程序订阅ros，最后将检测的结果返回给ros。
方法2：不选择使用nvinfer插件去推理车道线检测，因为用这个nvinfer插件的话，可能需要具体了解这个插件的代码是如何加载它的配置文件，因为车道线检测的点很多，所以如果用这个方法的话，且不说推理的结果如何传递下去，本身推理的过程有可能需要修改nvinfer的代码了，因为他是通过解析配置文件进行推理的。
方法3：如果用并行的方式的化需要加入多个插件：加入tee，加入nvstreamdemux，再加入nvstreammux，才可以将视频流分开，分开之后，推理还是需要想其他办法。
选择插件化的好处：

1，将插件的数据流接入到nvds-example，这个插件本身接入了图像视频数据流

在 DeepStream 的插件数据流过程中，视频图像是通过 GStreamer 中的 GstBuffer 结构体进行传递的。GstBuffer 结构体中包