1.一种车辆车窗精准定位方法，其特征在于，包括如下步骤：

步骤1：已知车辆图像I，在图像I用yolo检测模型进行车窗检测，将找到的车窗区域记为DW，确定车窗图像上左、右、上、下四条边线对应的检测区域分别为DL(0,0,w/3,h)、DR(2*w/3-1,0,w/3,h)、DT(0,0,w,h/5)、DB(0,4*h/5-1,w,h/5)，其中，w、h分别为车窗区域DW的宽和高；

步骤2：从图像I上得到区域DL、DR对应的图像分别记为IL和IR，对图像IL、IR分别通过一种图像关键直线检测方法，找到对应的车窗左右斜边LL、LR；

T B T B

步骤3：从图像I上得到区域D 、D对应的图像分别记为I、I ，采用一种基于旋转扫描的直线检测方法确定车窗上下边线LT、LB；

步骤4：最终，确定直线LL、LT、LR、LB围成的区域为车辆的车窗区域。

2.根据权利要求1所述的一种车辆车窗精准定位方法，其特征在于，所述步骤2中的一种图像关键直线检测方法的具体过程如下：

2.1)：对于输入图像X，首先给定关键直线的预估角度范围，记为[angleMin,angleMax]；

2.2)：对图像X进行灰度化、高斯滤波、Canny边缘检测处理，得到图像X对应的二值边缘图，在边缘图上用Hough直线检测方法确定直线集L＝{li|i＝0,1,…,NL-1}，NL表示检测到的直线数量；

2.3)：筛选剔除直线集L中角度不在[angleMin,angleMax]范围内的直线，然后将直线集L按照直线角度从小到大排序，将更新后的直线集记为L’＝{li|i＝0,1,…,NL’-1}，NL’表示更新后的直线数量；

2.4)：将直线集L用K-means算法聚类成m个子集{T0,T1,...,Tm-1}，子集数m根据公式(1)确定；

其中，θi表示直线集L’中第i条直线的角度，Φ为预先设定的类间最大角度差；

2.5)：计算每个直线集Ti对应的直线长度总和，找到直线长度总和最大的直线集，记为Tk，则确定Tk中长度最长的直线为图像的关键直线。

3.根据权利要求1所述的一种车辆车窗精准定位方法，其特征在于，所述步骤3中的一种基于旋转扫描的直线检测方法的具体过程如下：

3.1)：根据车窗左右边线的角度θL、θR和公式(2)和(3)确定车窗上下边线的角度θTB；

3.2)：对图像IT和IB进行Sobel水平边缘检测和OTSU二值化，得到二值图ITB和IBB，用角度为θTB、宽度为3个像素的扫描线分别从上往下扫描图像ITB，找到对应score1值最大的扫描线位置，记扫描线在该位置的扫描线中心点为PT，同理，用角度为θTB、宽度为3个像素的扫描线分别从下往上扫描图像IBB，找到对应score1值最大的扫面线位置，记扫描线在该位置的扫描线中心点为PB；其中score1表示扫描线上的像素投影面积与扫描线在图像上的区域面积之比；

3.3)：联合图像ITB、IBB确定车窗上下边线的精准偏转角度θTB-P，具体为：在图像ITB、IBBT B上分别以点P、P为扫描线旋转中心，以1°为单位旋转角度、旋转宽度为3个像素的扫描线，在[θTB-7°,θTB+7°]角度范围内，找到对应socre1最大的扫描线角度，确定为车窗上下边线的精准偏转角度θTB-P；

3.4)：则车窗上边线LT为过点PT角度θTB-P为的直线，车窗下边线LB为过点PB角度θTB-P为的直线。