1.一种基于车道检测与目标跟踪的车辆辅助定位方法，其特征在于：该方法包括以下步骤：S1：检测车道线与确定本车车道线，输入视频序列，对图像进行预处理，利用Hough变换与直线拟合检测车道线，取最靠近图像竖直中轴线的左右侧车道线为本车车道线，初步预测下一帧车道所在的感兴趣区域；

S2：用预先训练好的车辆模型检测车辆，利用卡尔曼滤波算法跟踪车辆，利用匈牙利算法(Hungarian Algorithm)关联相邻两帧的同一目标；计算前方车辆在图像上与车道线的重叠区域，将车辆所在区域从初步预测的车道线感兴趣区域除去，重新确定下一帧车道线感兴趣区域；

S3：计算前方车辆与本车道的相对位置关系，结合相对位置关系与检测到的车道线确定本车的车道信息，利用GPS定位系统确定本车在地图上的位置信息，将位置信息与车道信息融合实现对自身车辆的车道级定位；

所述步骤S1具体包括：

S11：假设输入视频序列的道路图像为u×v，将图像上部分1/3去掉,并以u/2为中线将图像分为左右两部分感兴趣区域ROI1和ROI2；

S12：对图像进行灰度化处理以及中值滤波去噪，然后利用Canny算法进行边缘检测，再对处理后的图像进行Hough变换，检测图像中的车道线；取ROI1中最右侧的车道线为本车道左车道线，取ROI2中最左侧的车道线为本车道右车道线；

S13：以车道线的斜率、截距、斜率变化率以及截距变化率作为状态变量，利用卡尔曼滤波预测出下一帧该车道线的初步感兴趣区域；

所述步骤S2具体包括：

S21：使用DPM算法(Deformable Parts Model)训练的车辆模型检测图像中的车辆；

S22：利用卡尔曼滤波预测车辆位置，给定目标车辆的状态向量Vt如下

Vt＝[xt yt wt ht Δxt Δyt ψt]T

ψt∈{-1,0,1}

其中xt，yt表示车辆在图像中目标框架的左上角坐标，wt，ht表示该框架的宽与高，Δxt，Δyt表示相邻两帧xt，yt的变化率，ψt表示车辆相对于本车道的位置；

S23：数据关联采用匈牙利算法(Hungarian Algorithm)：首先利用车辆相对于本车道的位置对检测到的车辆分类，对处于同一车道内的车辆分别与前一帧同车道内的各车计算欧式距离，并以该距离矩阵作为匈牙利算法输入的置信度矩阵，根据匈牙利算法的匹配结果实现数据关联；

S24：其中置信度的求取过程是：假设t时刻跟踪目标数为Nt，t+1时刻检测目标数为Mt+1，并已知道各车所在车道；对同一车道内相邻时刻各车辆分别计算欧式距离，假设有n条车道，以在n车道为例，公式如下：Cij＝|it-jt+1|i,j＝1,2,3…

其中it表示t时刻该车道内的第i个目标的图像坐标，jt+1表示t+1时刻该车道内的第j个目标的图像坐标，|·|表示欧式距离计算方法；

S25：定义一个二分图G1(D，T：E)，其中每条边E有一个非负的置信度Cij表示检测结果与跟踪目标的相似度，用欧式距离表示，通过匈牙利算法(Hungarian Algorithm)解出最优匹配；

S26：判断车辆在图像中的区域与车道感兴趣区域重叠部分，计算车辆区域r1与车道感兴趣区域r2的重叠部分，公式如下：overlap＝r1∩r2；

S27：新的车道线感兴趣区域为r2-overlap。

2.根据权利要求1所述的一种基于车道检测与目标跟踪的车辆辅助定位方法，其特征在于：所述步骤S3具体包括：S31：计算前方车辆与本车道的相对位置关系，假设其中一个目标车辆的检测框架为(x,y,w,h)，其中x，y表示框架左上角的像素坐标，w，h表示宽与高；取点 与建立直线方程，若该直线与左车道线直线相交，则该车辆位于本车车道左侧，记为状态-1；若该直线与车道线没有相交，则该车辆位于本车车道内，记为状态0；若该直线与右车道线直线相交，则该车辆位于本车车道右侧，记为状态1；

S32：结合所测车道线与每条车道上目标车辆的标记状态，确定本车所在车道的车道顺序，将车道顺序与GPS在地图上的位置信息融合，最终实现车道级定位。