1.一种基于单目视觉SLAM的车辆定位方法，其特征在于：包括如下步骤：

S1、基于车辆单目摄像头所采集到周围环境图像数据，实现车辆初始位置坐标的定位；

首先基于单目摄像头和雷达传感器实现周围障碍物图像及障碍物相对距离的采集，然后基于障碍物相对距离，以单目摄像头的三维坐标为原点，实现车辆初始位置坐标的定位；

S2、基于车辆单目摄像头实现周围环境图像的采集，同时基于安装在车辆前后四个端角上的三维姿态传感器实现车辆运动角度参数、车辆加速度参数和车辆运动轨迹参数的采集；

S3、基于车辆初始位置坐标、周围环境图像数据、车辆运动角度参数、车辆加速度参数和车辆运动轨迹参数和车辆运动速度参数实现单目视觉SLAM初始化，构建SLAM地图；所述SLAM地图包括障碍物三维模型、车辆三维模型及前后四个端角的三维坐标、及每个障碍物靠近车辆面与车辆的相对距离参数；根据计算所得的车辆在每个角度上的运动距离，以车辆初始坐标为起点，计算输出当前车辆在所述SLAM地图内的坐标，实现车位的定位，获取车辆的定位位姿；

S4、基于单目摄像头拍摄到的图像位置以及车辆在每个角度上的运动距离在所述SLAM地图内实现车位的定位，获取车辆的定位位姿。

2.如权利要求1所述的一种基于单目视觉SLAM的车辆定位方法，其特征在于：所述车辆初始位置坐标为车辆初始位置前后四个端角的三维坐标。

3.如权利要求1所述的一种基于单目视觉SLAM的车辆定位方法，其特征在于：所述步骤S3中，基于kinect深度传感器实现障碍物的三维重构，具体的，通过kinect深度传感器进行障碍物深度图像的获取，将所获得的障碍物深度图像进行三角化，然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场，对距离场中所有的体素应用整体三角剖分算法产生一个涵盖所有体素的凸包，并利用Marching Tetrahedra算法构造等值面,完成障碍物的三维重构。

4.如权利要求1所述的一种基于单目视觉SLAM的车辆定位方法，其特征在于：步骤S3中，基于MATLAB根据所采集到的车辆运动速度参数、车辆运动角度参数、车辆加速度参数、车辆运动轨迹参数计算车辆在每个角度上的运动距离。

5.如权利要求1所述的一种基于单目视觉SLAM的车辆定位方法，其特征在于：所述步骤S3中，基于车辆运动角度参数、障碍物距离参数实现障碍物尺寸的调整。