1.一种基于车辆三维轮廓的聚类方法，其特征在于，所述方法包括以下步骤：

1)获得车辆的二值三视图；

2)定义差异矩阵M，表达N辆车两两之间的差异性，并将M进行归一化；

3)对差异矩阵M进行相似性处理，差异矩阵M中元素值越大，则相互间的差异性越强，为了能够表达相似性以便于聚类，将M进行相似性转换操作，对M进行取反，使得M＝1‑M；

4)根据处理后所得相似性矩阵，使用机器学习中的无监督学习算法进行聚类，获得聚类结果。

2.如权利要求1所述的基于车辆三维轮廓的聚类方法，其特征在于：所述步骤1)中，根据所得三视图对其进行二值化处理得到二值三视图。

3.如权利要求1或2所述的基于车辆三维轮廓的聚类方法，其特征在于：所述步骤2)中，差异矩阵的获取，通过比较两两车辆三视图中的差异性，将其最大差异性作为矩阵元素值，其元素值有多种表达差异性的形式，将两两车辆三视图中差异最大值作为元素值、将两两车辆三视图中所具有的不同像素点的数量的最大值作为元素值。

4.如权利要求1或2所述的基于车辆三维轮廓的聚类方法，其特征在于：所述步骤2)中，差异矩阵的归一化以最大差异值为基准，使得M中的元素数值小于等于1，大于等于0。

5.如权利要求1或2所述的基于车辆三维轮廓的聚类方法，其特征在于：所述步骤4)中，聚类操作基于机器学习中无监督学习算法进行k‑mean聚类，根据相似矩阵行或列向量各维度上的分布特性计算出各行/列向量的若干个聚类中心，根据聚类原则将N辆车划分到各个聚类中心所代表的类别。