1.一种基于语义信息的停车场粒子滤波定位方法，其特征在于，包括步骤：
S100判断第一语义目标在语义地图中出现的数量是否小于预设的数量阈值；
S200当所述第一语义目标出现的数量小于预设的所述数量阈值时，在每个所述第一语义目标对应的位置播撒粒子；
S300对所有的所述粒子的位姿求平均，获得车辆在所述语义地图上的定位结果。
2.根据权利要求1所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，在所述的S200当所述第一语义目标出现的数量小于预设的所述数量阈值时，在每个所述第一语义目标对应的位置播撒粒子与所述的S300对所有的所述粒子的位姿求平均，获得车辆在所述语义地图上的定位结果之间包括步骤：
S210获取车辆CAN数据，根据所述车辆CAN数据计算所述粒子的位姿预测；
S220获取第二语义目标，将所述第二语义目标与语义地图匹配，得到匹配数据，根据所述匹配数据更新粒子权重并重采样，直至粒子收敛。
3.根据权利要求1所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，在所述的S100判断第一语义目标在语义地图中出现的数量是否小于预设的数量阈值之前包括步骤：
S10预先设定一语义目标出现的数量阈值。
4.根据权利要求1所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，在所述的S100判断第一语义目标在语义地图中出现的数量是否小于预设的数量阈值之前包括步骤：
S20构建所述语义地图。
5.根据权利要求1所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，在所述的S100判断第一语义目标在语义地图中出现的数量是否小于预设的数量阈值之前包括步骤：
S30获取所述第一语义目标。
6.根据权利要求5所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，在所述的S30获取所述第一语义目标之后包括步骤：
S301判断第一语义目标是否包含唯一语义元素；
S302当所述第一语义目标包含所述唯一语义元素时，直接在这个时刻完成粒子初始化以快速收敛。
7.根据权利要求2所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，所述的S210获取车辆CAN数据，根据所述车辆CAN数据计算所述粒子的位姿预测具体包括步骤：
S2101根据所述车辆CAN数据计算车辆的相对位移量，从而获得每个粒子的位姿预测。
8.根据权利要求2所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，所述的S220获取第二语义目标，将所述第二语义目标与语义地图匹配，得到匹配数据，根据所述匹配数据更新粒子权重并重采样，直至粒子收敛具体包括步骤：
S2201遍历所有的所述粒子，根据所述粒子的位姿预测，获得位姿预测中语义目标；
S2202换算所述语义目标在语义地图中的位置；
S2203将所述语义目标在语义地图中的位置与车辆当前观察到的第二语义目标的位置进行匹配，得到匹配结果。
9.根据权利要求8所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，所述的S2203将所述语义目标在语义地图中的位置与车辆当前观察到的第二语义目标的位置进行匹配，得到匹配结果之后包括步骤：
S2204根据所述匹配结果更新所述粒子的权重。
10.根据权利要求9所述的一种基于语义信息的停车场粒子滤波定位方法，其特征在于，所述的S2204根据所述匹配结果更新所述粒子的权重之后包括步骤：
S2205根据粒子的权重进行序贯重要性重采样；
S2206附加高斯噪声保持粒子多样性。