1.GNSS盲区智能车辅助定位系统累积误差的协同校正系统，其特征在于，包括车载RFID阅读器设备、四个RFID标签设备和一图像采集设备；

车载RFID阅读器设备包括有线通信接口模块、主数据处理控制模块、RFID阅读器和ZigBee网络节点；有线通信接口模块，用于接收车载辅助定位系统的定位信息，还用于发送误差校正指令到车载辅助定位系统；RFID阅读器，用于与RFID标签进行通信；主数据处理控制模块，用于接收RFID阅读器发送的RFID标签信号，计算得到基于RFID定位的车辆位置信息；当接收到RFID标签信号时，通过ZigBee网络发送图像采集指令至图像处理控制模块；通过ZigBee网络接收基于图像定位的车辆位置信息，通过有线通信接口模块接收基于车载辅助定位系统定位的车辆位置信息，并将两者通过加权算法融合得到当前车辆位置信息；将基于辅助定位系统定位的车辆位置信息与当前车辆位置信息进行比较，确定车载辅助定位系统的累积误差，通过有线通信接口模块发送误差校正指令到车载辅助定位系统；

RFID标签设备包括RFID标签、数据处理控制模块和ZigBee网络节点；RFID标签，用于与RFID阅读器进行通信；数据处理控制模块，用于运算处理RFID标签的收发信息和ZigBee网络节点的收发信息；

图像采集设备包括相机、图像处理控制模块和ZigBee网络节点；相机，用于采集车辆行驶路段图像信息，并传输给图像处理控制模块；图像处理控制模块，用于根据接收到的图像采集指令控制相机采集图像，并接收相机传输的图像信息，处理得到基于图像定位的车辆位置信息；

ZigBee网络节点，各ZigBee网络节点组成ZigBee网络，用于无线通信。

2.根据权利要求1所述的GNSS盲区智能车辅助定位系统累积误差的协同校正系统，其特征在于，RFID阅读器安装在车辆的顶部。

3.根据权利要求1所述的GNSS盲区智能车辅助定位系统累积误差的协同校正系统，其特征在于，道路两侧各设置两个RFID标签设备，同侧的两RFID标签设备之间间距为30-80m，道路两侧的RFID标签设备间距相同，RFID标签设备的安装高度与RFID阅读器的高度相同。

4.根据权利要求1所述的GNSS盲区智能车辅助定位系统累积误差的协同校正系统，其特征在于，相机安装在龙门架的顶部，相机镜头向下倾斜，倾斜角度大于0度且小于等于15度。

5.根据权利要求1所述的GNSS盲区智能车辅助定位系统累积误差的协同校正系统，其特征在于，相机与距离最近的RFID标签设备的水平距离小于等于5m。

6.GNSS盲区智能车辅助定位系统累积误差的协同校正方法，其特征在于，基于权利要求1-5任一项所述的校正系统，在GNSS信号中断情况下，智能车采用车载辅助定位系统进行定位，对定位信息添加时间戳，并将基于车载辅助定位系统的车辆位置信息通过有线通信接口模块发送至主数据处理控制模块；当智能车行驶到RFID标签的感应区域时，通过ZigBee网络发出图像采集指令，触发图像采集设备开始进行图像采集，图像采集设备根据采集的图像对车辆进行定位并添加时间戳，并将得到的基于图像定位的车辆位置信息通过ZigBee网络发送至主数据处理控制模块；当车载RFID阅读器读取到至少三个不同的RFID标签时，主数据处理控制模块根据RFID信号强度计算得到基于RFID定位的车辆位置信息，并添加时间戳；车载辅助定位系统的车辆位置信息、基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息被转换到同一空间坐标系下；基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息依照时间通过加权算法进行融合计算，得到更加精确的车辆定位信息，将基于车载辅助定位系统的车辆位置信息与精确的车辆定位信息比较，得到车载辅助定位系统的累积误差数据，主数据处理控制模块处理累积误差数据并得到误差校正指令，通过有线通信接口模块发送误差校正指令到车载辅助定位系统使其进行误差校正。

7.根据权利要求6所述的GNSS盲区智能车辅助定位系统累积误差的协同校正方法，其特征在于，RFID标签事先经过位置标定，具体是：根据RFID阅读器接收到的RFID信号强度与RFID阅读器和RFID标签之间的距离得到拟合曲线，定位时根据RFID信号强度和拟合曲线计算出基于RFID定位的车辆位置信息。

8.根据权利要求6所述的GNSS盲区智能车辅助定位系统累积误差的协同校正方法，其特征在于，相机采集到的图像中的车辆位置信息被事先标定校准，相机在图像采集过程中保持相同的拍摄区域。

9.根据权利要求6所述的GNSS盲区智能车辅助定位系统累积误差的协同校正方法，其特征在于，加权融合过程中，基于RFID定位的车辆位置信息的分配权重小于基于图像定位的车辆位置信息分配权重。

10.根据权利要求6所述的GNSS盲区智能车辅助定位系统累积误差的协同校正方法，其特征在于，图像采集设备根据采集的图像对车辆进行定位，具体操作如下：Step1，对当前获取的含有车辆的图像进行高斯滤波和均光处理；

Step2，对预处理后的图像进行前景提取处理，并进行直方图均衡修正，然后采用最大间方差准则实现图像自动分割；

Step3，扫描自动分割形成的各连通区域，获取其几何特征，采用四边形变换方法得到图像坐标和地面坐标之间的映射关系，最终获得面积参数最大的连通区域的最小外接矩形中心，将其作为车辆的位置。