支持向量机（Support Vector Machine，SVM）是一种常用的机器学习算法，被广泛应用于分类和回归问题中。在汽车制造业中，车型的分类对于自动驾驶、车辆识别等应用具有重要意义。因此，设计一种基于支持向量机的车型自动分类器是非常必要的。

首先，我们需要收集大量不同车型的图片数据，包括不同角度和光照条件下的图片。这些数据将作为训练集，用来训练支持向量机模型。在收集数据的过程中，需要注意对数据进行标注，即为每张图片添加对应的车型标签，以便模型学习。

在训练阶段，我们可以使用已有的支持向量机算法，例如LIBSVM、SVMlight等进行模型训练。在训练过程中，需要将图片数据转换为特征向量，可以使用图像处理技术提取特征，例如颜色直方图、边缘检测等。然后，将提取到的特征向量输入到支持向量机模型中进行训练。

在训练完成后，我们可以利用测试集对模型进行评估，并对模型进行调参优化，以提高分类精度。在实际应用中，我们可以将训练好的支持向量机模型部署到车辆识别系统中，实现对不同车型的自动分类。

总的来说，基于支持向量机的车型自动分类器设计方案包括数据收集、训练模型、评估调优等步骤。通过这种方法，可以实现对车型的自动识别，为汽车制造业带来更多的便利和效益。