1.一种基于自适应分类拟合鱼眼图像校正方法，其特征在于，包括以下步骤：S1、获得鱼眼图像，并得到所述鱼眼图像中的特征点，所述鱼眼图像包括实际图像和理论图像；

S2、获得每个所述特征点在所述实际图像中到光轴的距离、所述理论图像中到光轴的距离和所述两种距离的差分值；

S3、得到所述特征点的畸变系数，并设置阈值，根据畸变系数和阈值对所有特征点进行自动区域分割，得到至少一个特征点组；

S4、拟合每个所述特征点组中的特征点，并计算得到在每个分割区域所对应的拟合多项式；

S5、根据所述每个分割区域对应的拟合多项式对所述鱼眼图像进行拟合处理，得到每个所述特征点的校正位置，完成校正过程。

2.根据权利要求1所述的一种基于自适应分类拟合鱼眼图像校正方法，其特征在于，所述特征点在实际图像中到光轴的距离，为所述实际图像的中心点与所述特征点之间的距离；

所述特征点在理论图像中到光轴的距离，为所述理论图像的中心点与所述特征点在理论图像上的对应点之间的距离。

3.根据权利要求1所述的一种基于自适应分类拟合鱼眼图像校正方法，其特征在于，所述步骤S3，包括：S31、设一个特征点为第一特征点组的第一点，并计算所述第一点的差分值；

获取所述第一点附近的一个新特征点，所述新特征点的的畸变系数为所述第一点的差分值与所述新特征点的差分值之差；

S32、如果所述新特征点的畸变系数小于所述阈值，将所述新特征点分到第一特征点组；

如果所述新特征点的畸变系数大于所述阈值，新建第二特征点组，并将所述新特征点设为所述第二特征点组的第一点；

S33、重复获取新特征点，直到所有特征点均属于特征点组。

4.根据权利要求1所述的一种基于自适应分类拟合鱼眼图像校正方法，其特征在于，所述步骤S4，包括：通过坐标公式拟合每个所述特征点组中的特征点，并通过多项式拟合方法计算得到在每个分割区域所对应的拟合多项式。

5.根据权利要求1所述的一种基于自适应分类拟合鱼眼图像校正方法，其特征在于，在所述步骤S4，还包括：获得三阶、四阶和五阶所述拟合多项式的图像，通过人工对比或相关性算法选择所述拟合多项式的阶数，并计算得到具体拟合多项式。

6.一种基于自适应分类拟合鱼眼图像校正系统，其特征在于，包括：预处理模块，用于获得鱼眼图像，并得到所述鱼眼图像中的特征点，所述鱼眼图像包括实际图像和理论图像；

距离模块，用于获得每个所述特征点在所述实际图像中到光轴的距离、所述理论图像中到光轴的距离和所述两种距离的差分值；

区域分割模块，用于得到所述特征点的畸变系数，并设置阈值，根据畸变系数和阈值对所有特征点进行自动区域分割，得到至少一个特征点组；

拟合模块，用于拟合每个所述特征点组中的特征点，并计算得到在每个分割区域所对应的拟合多项式；

校正模块，用于根据所述每个分割区域对应的拟合多项式对所述鱼眼图像进行拟合处理，得到每个所述特征点的校正位置，完成校正过程。

7.根据权利要求6所述的一种基于自适应分类拟合鱼眼图像校正系统，其特征在于，所述区域分割模块，包括：计算单元，用于设一个特征点为第一特征点组的第一点，并计算所述第一点的差分值；

获取所述第一点附近的一个新特征点，所述新特征点的的畸变系数为所述第一点的差分值与所述新特征点的差分值之差；

分组单元，用于如果所述新特征点的畸变系数小于所述阈值，将所述新特征点分到第一特征点组；

如果所述新特征点的畸变系数大于所述阈值，新建第二特征点组，并将所述新特征点设为所述第二特征点组的第一点；

循环单元，用于重复获取新特征点，直到所有特征点均属于特征点组。

8.根据权利要求6所述的一种基于自适应分类拟合鱼眼图像校正系统，其特征在于，所述拟合模块，通过坐标公式拟合每个所述特征点组中的特征点，并通过多项式拟合方法计算得到在每个分割区域所对应的拟合多项式。

9.一种电子设备，其特征在于，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种基于自适应分类拟合鱼眼图像校正方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的一种基于自适应分类拟合鱼眼图像校正方法的步骤。