1.一種車窗定位方法，包括：
基于對車輛正向檢測圖像的預(yù)處理，至少獲取車輛圖像區(qū)域及所述區(qū)域中的邊緣信息，其中，所述預(yù)處理包括邊緣檢測；
至少基于所述車輛圖像區(qū)域判別出所述車輛圖像區(qū)域中的標(biāo)志物，所述標(biāo)志物包括所述車輛圖像區(qū)域中獨(dú)立于車窗的標(biāo)志物，所述判別包括基于支持向量機(jī)判別；
至少基于所述標(biāo)志物及預(yù)設(shè)的距離模型在所述邊緣信息中判別出所述車窗的各個(gè)邊界以確定車窗區(qū)域，所述預(yù)設(shè)的距離模型包括所述標(biāo)志物與所述車窗及所述車窗的各個(gè)邊界的距離關(guān)系。
2.根據(jù)權(quán)利要求1所述的方法，所述基于對車輛正向檢測圖像的預(yù)處理，至少獲取車輛圖像區(qū)域及所述區(qū)域中的邊緣信息包括：
根據(jù)車輛正向檢測圖像，基于車輛判別模型判別出所述車輛圖像區(qū)域；
基于對所述車輛圖像區(qū)域的邊緣檢測，獲取所述區(qū)域中的邊緣信息。
3.根據(jù)權(quán)利要求1所述的方法，所述至少基于所述車輛圖像區(qū)域判別出所述車輛圖像區(qū)域中的標(biāo)志物包括：
根據(jù)所述車輛圖像區(qū)域，基于標(biāo)志物判別模型判別出所述標(biāo)志物，其中，所述標(biāo)志物對光線和顏色具有良好的魯棒性。
4.根據(jù)權(quán)利要求2或3所述的方法，所述車輛判別模型和所述標(biāo)志物判別模型包括一種或多種算法組合形成的判別模型。
5.根據(jù)權(quán)利要求1-3中任一項(xiàng)所述的方法，所述標(biāo)志物包括后視鏡、雨刷、弧形角點(diǎn)、車燈和車牌中的一種或多種。
6.一種車窗定位系統(tǒng)，包括：
預(yù)處理模塊，配置用于基于對車輛正向檢測圖像的預(yù)處理，至少獲取車輛圖像區(qū)域及所述區(qū)域中的邊緣信息，其中，所述預(yù)處理包括邊緣檢測；
標(biāo)志物判別模塊，配置用于至少基于所述車輛圖像區(qū)域判別出所述車輛圖像區(qū)域中的標(biāo)志物，所述標(biāo)志物包括所述車輛圖像區(qū)域中獨(dú)立于車窗的標(biāo)志物，所述判別包括基于支持向量機(jī)判別；
車窗區(qū)域判別模塊，配置用于至少基于所述標(biāo)志物及預(yù)設(shè)的距離模型在所述邊緣信息中判別出所述車窗的各個(gè)邊界以確定車窗區(qū)域，所述預(yù)設(shè)的距離模型包括所述標(biāo)志物與所述車窗及所述車窗的各個(gè)邊界的距離關(guān)系。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，所述預(yù)處理模塊包括進(jìn)一步配置用于：
根據(jù)車輛正向檢測圖像，基于車輛判別模型判別出所述車輛圖像區(qū)域；
基于對所述車輛圖像區(qū)域的邊緣檢測，獲取所述區(qū)域中的邊緣信息。
8.根據(jù)權(quán)利要求6所述的系統(tǒng)，所述標(biāo)志物判別模塊包括進(jìn)一步配置用于：
根據(jù)所述車輛圖像區(qū)域，基于標(biāo)志物判別模型判別出所述標(biāo)志物，其中，所述標(biāo)志物對光線和顏色具有良好的魯棒性。
9.根據(jù)權(quán)利要求7或8所述的系統(tǒng)，所述車輛判別模型和所述標(biāo)志物判別模型包括一種或多種算法組合形成的判別模型。
10.根據(jù)權(quán)利要求6-8中任一項(xiàng)所述的系統(tǒng)，所述標(biāo)志物包括后視鏡、雨刷、弧形角點(diǎn)、車燈和車牌中的一種或多種。