1.一种单目视觉下基于语义分割和卡尔曼滤波的位姿测量方法，其特征在于包括如下步骤：

步骤1：根据实际场地大小定制一张正方形黑白格组成的标定板，将标定板边界平行于停车线放置在待测地面，固定相机拍取20幅图像，使用张氏标定法得到相机的内参矩阵K、外参矩阵R和T，并选择其中一幅清晰图像计算该图像对应的图像坐标到待测地面坐标的转换矩阵M；

步骤2：以步骤1中选取的图像建立待测地面的世界坐标系，具体为：取标定板中最接近停车线与车道交点的内部角点为原点，以标定板中平行于停车线的边界作为Y轴，平行于车道的边界作为X轴，垂直于地面向上过原点的射线为Z轴；此时，相机坐标系中相机坐标为(0,0,0)，根据式(1)计算得到对应的世界坐标系中相机坐标为(Xw,Yw,Zw)；

其中，R和T为步骤1中的相机外参矩阵；

步骤3：使用工业相机拍摄至少3000张集卡不同位姿的图像作为样本，使用特征提取网络MobileNetV2和语义分割网络BiseNet，训练得到对集卡顶部的语义分割模型；

步骤4：记集卡端部线段的两个端点分别为A点和B点，点E为连接相机光心和点A的直线与待测平面的交点，点F为连接相机光心和点B的直线与待测平面的交点，由步骤3中语义分割得到点E、F的图像坐标，分别代入式(2)计算对应的世界坐标，再根据式(3)计算得到线段EF长度LEF；

其中，M为相机的图像坐标到世界坐标的转换矩阵，(u，v，0)表示待测平面上点的图像坐标，(X，Y，0)表示该点对应的世界坐标，(XE，YE，0)和(XF，YF，0)分别表示点E、F对应的世界坐标；

步骤5：根据方程组(4)对LEF进行kmax次迭代测量，其中，第k次迭代测量得到的LEF的结果记为 将k＝0时LEF的值记为 从后续迭代测量开始，即k＝1,2,…，实现对LEF真值的逼近测量；

其中， Pk‑1分别表示第k‑1次对LEF的迭代测量结果和对应的协方差，P0设置为0，分别表示第k次对LEF的估计值和对应的协方差，Lk、Kk分别表示第k次直接测量结果和卡尔曼增益，R为事先设置的环境误差，其取值范围为0.01≤R≤10，kmax为最大测量次数；

步骤6：将步骤5迭代计算得到的 作为最终的LEF代入式(5)，计算出集卡端部相对于停车线的实际距离l；根据式(6)计算集卡端部直线与停车线的相对角度degree；计算得到l和degree，即实现了集卡的精确定位；

degree＝arctan((YE‑YF)/(XE‑XF))  (6)其中，LAB表示集卡端部线段AB的长度，LEF表示该线段在待测平面上的投影EF的长度，Xmin为点E和F的X坐标中的最小值，X1为相机垂直投影点的X坐标的绝对值，degree表示车端部与停车线的相对角度，arctan为反正切函数，(XE，YE，0)和(XF，YF，0)分别表示点E、F的世界坐标。