1.一种融合仿射不变角点特征及视觉颜色特征的车牌定位算法，其特征在于，有以下步骤：

1)对采集的车牌图像进行预处理:将采集的车牌图像进行灰度化处理，得到车牌图像IMG1；将采集的车牌图像进行颜色空间转换处理，得到已转化为HSV色彩空间的车牌图像IMG2；

2)车牌特征提取及特征融合:对车牌图像IMG1提取角点特征，得到角点特征图；根据车牌颜色分类，对车牌图像IMG2提取颜色对特征，得到各个类别的颜色对特征图，将角点特征图与颜色对特征图进行融合，得到车牌特征融合图；

3)车牌图像定位:对车牌特征融合图，通过车牌区域特征点之间的距离及密集关系实现车牌的准确定位。

2.根据权利要求1所述的定位算法，其特征在于，步骤2)中基于高斯差尺度空间提取具有尺度不变和仿射不变性的角点特征，得到高斯差尺度空间的角点特征图像。

3.根据权利要求2所述的定位算法，其特征在于，在基于高斯差尺度空间的方法提取角点特征后，再通过多尺度曲率积融合高斯差尺度空间的角点特征图像，增强角点特征曲率响应，形成最终的角点特征图。

4.根据权利要求1所述的定位算法，其特征在于，步骤2)中基于高斯差尺度空间提取多尺度车牌图像的颜色对特征。

5.根据权利要求4所述的定位算法，其特征在于，基于高斯差尺度空间提取多尺度车牌图像的颜色对特征的步骤为：对已转化为HSV色彩空间的车牌图像IMG2分别提取蓝色、白色、黑色、黄色分量；按照车牌颜色特性，对包含四种颜色分量的图像配对；将配对颜色做差分得到各个颜色对差分图；再将各个颜色对差分图应用于高斯尺度空间，得到各个颜色对尺度通道；对各个颜色对尺度通道做高斯差，得到各颜色对通道的高斯差DoG图像；最后，对各颜色对通道的高斯差DoG图像，应用多尺度积融合高斯差DoG图像，得到4个颜色对特征图。

6.根据权利要求1所述的定位算法，其特征在于，步骤2)中采用多尺度积技术将角点特征与颜色对特征进行融合。

7.根据权利要求6所述的定位算法，其特征在于，采用多尺度积技术对角点特征与颜色对特征进行融合的步骤为:将步骤2)的角点特征图分别与各个类别的颜色对特征图做乘积 的运算，得到各个类别的颜色角点融合图，根据车牌颜色类型的分布，将各个类别的颜色角点融合图做加权线性融合，得到车牌特征融合图。

8.根据权利要求1所述的定位算法，其特征在于，步骤3)中车牌图像定位的步骤为:

将车牌特征融合图转换为二值图，分别从横向和纵向扫描特征点，计算特征点的数目，将横向和纵向的特征点数分别与设定阈值比较，并初步确定车牌位置区域；对初定位后的车牌图像，自底向上扫描图像，计算每一特征点与同一行下个相邻特征点的距离，根据特征点间距离确定车牌区域起始点；确定起始点后，将起始点与此行中最远距离的特征点之间的距离作为矩形框的长，再以车牌的长宽比来确定矩形框大小；最后通过矩形框将此区域框出，从而定位车牌。