1.一种基于激光点云反射值匹配的无人车定位方法，其特征在于，包括：
获取与无人车当前位置匹配的第一激光点云反射值数据，其中，所述第一激光点云反射值数据包括各激光点的第一坐标以及与所述第一激光点云反射值数据中的各激光点对应的激光反射强度值；
将所述第一激光点云反射值数据转化为地平面内的激光点云投影数据；
以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率；以及基于所述第一匹配概率确定所述无人车在所述激光点云反射值地图中的位置；
所述激光点云反射值地图包括将地球表面在世界坐标系的地平面内划分形成M×N个地图区域，其中，各所述地图区域具有相同的大小和形状；
各所述地图区域进一步包括m×n个地图网格，其中，各所述地图网格具有相同的大小和形状；
所述以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率包括：
将所述激光点云投影数据的中心投影网格O(x,y)与所述激光点云反射值地图中与所述先验定位位置O’(xo,yo)对应的地图网格重合，其中，所述中心投影网格O(x,y)为所述激光点云投影数据中代表所述无人车车身的投影网格；
确定所述激光点云投影数据的投影范围和与之对应的地图范围的第一匹配概率；
以预定的偏移量k移动所述中心投影网格O(x,y)，并分别确定与当前中心投影网格O(x,y)对应的所述激光点云投影数据的第一匹配概率。
2.根据权利要求1所述的方法，其特征在于，所述激光点云反射值地图通过如下方式生成：
将地球表面在世界坐标系的地平面内划分为M×N个地图区域，其中，各所述地图区域具有相同的大小和形状；
将各所述地图区域进一步划分成m×n个地图网格，其中，各所述地图网格具有相同的大小和形状；
采集与各所述地图网格的定位位置对应的第二激光点云反射值数据，其中，所述第二激光点云反射值数据包括各激光点在世界坐标系下的第二坐标以及与第二激光点云反射值数据中的各激光点对应的激光反射强度值；
在各所述地图网格中存储与之对应的地图数据；
其中，所述地图数据包括与该地图网格对应的定位位置内的各激光点的激光反射强度值的均值、与该地图网格对应的定位位置内的各激光点的激光反射强度值的方差以及与该地图网格对应的定位位置内的各激光点的数量。
3.根据权利要求2所述的方法，其特征在于：各所述激光点的第一坐标为所述第一激光点云反射值数据中的各激光点在所述无人车的车辆坐标系下的坐标；
所述将所述第一激光点云反射值数据转化为地平面内的激光点云投影数据包括：
将所述第一激光点云反射值数据转化为转换为第三激光点云反射值数据，其中，所述第三激光点云反射值数据包括各激光点的第三坐标以及与所述第一激光点云反射值数据中的各激光点对应的激光反射强度值，其中所述第三坐标为所述第一激光点云反射值数据中的各激光点在世界坐标系下的坐标；
将所述第三激光点云反射值数据向地平面投影，生成所述激光点云投影数据。
4.根据权利要求3所述的方法，其特征在于，所述第三坐标X’为：
X’＝(x’,y’,z’)T＝RX+T；
其中，R为从所述无人车的车辆坐标系向所述世界坐标系转换的旋转矩阵，X＝(x,y,z)T为所述第一激光点云反射值数据中的各激光点的所述第一坐标，T为从所述无人车的车辆坐标系向所述世界坐标系转换的平移矩阵。
5.根据权利要求4所述的方法，其特征在于：
所述激光点云投影数据包括所述第一激光点云反射值数据中的各激光点的投影坐标、各投影网格内的各激光点的激光反射强度值的均值、各投影网格内的各激光点的激光反射强度值的方差以及各投影网格内的各激光点的数量；
其中，所述第一激光点云反射值数据中的各激光点的投影坐标X”满足：
X”＝(x”,y”)T＝SX’；
S为投影矩阵，且满足：
各所述投影网格与所述地图网格具有相同的大小和形状。
6.根据权利要求5所述的方法，其特征在于：
所述基于所述第一匹配概率确定所述无人车在所述激光点云反射值地图中的位置包括：
基于各所述第一匹配概率的加权平均，确定所述无人车在所述激光点云反射值地图中的位置。
7.根据权利要求6所述的方法，其特征在于：
对应于任意中心投影网格O(x,y)的所述第一匹配概率P(x,y)为：
其中，(x,y)为所述中心投影网格的世界坐标，(xi,yj)为所述激光点云投影数据的投影范围内各投影网格的世界坐标，α为一预设常数参数， 为世界坐标为(xi,yj)的地图网格中的激光点的激光反射强度值的均值， 为世界坐标为(xi,yj)的投影网格中的激光点的激光反射强度值的均值， 为世界坐标为(xi,yj)的地图网格中的激光点的激光反射强度值的方差， 为世界坐标为(xi,yj)的投影网格中的激光点的激光反射强度值的方差， 为世界坐标为(xi,yj)的投影网格中的激光点的数量。
8.根据权利要求7所述的方法，其特征在于，所述以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率还包括：
基于上一定位位置对所述第一匹配概率进行更新，更新后的第一匹配概率P’(x,y)为：
其中， 为基于上一定位位置对所述无人车当前出现在世界坐标(x,y)的位置的预测概率，η为预设的归一化系数。
9.根据权利要求8所述的方法，其特征在于，所述无人车在所述激光点云反射值地图中的位置 为：
其中，(x0,y0)为所述先验定位位置所在的地图网格的世界坐标。
10.根据权利要求8或9所述的方法，其特征在于，所述基于所述第一匹配概率确定所述无人车在所述激光点云反射值地图中的位置包括：
对所述预定范围内的地图网格进一步细分，以使各所述地图网格形成p×q个子网格；
无人车在所述激光点云反射值地图中的位置 为
其中：
(x0,y0)为所述先验定位位置所在的地图网格的世界坐标，x在[xo-k,xo+k]范围内变化的步长为 y在[yo-k,yo+k]范围内变化的步长为
β为一预设常数参数，且P”(x,y)为通过对(x,y)所在地图网格作为所述中心投影网格时的所述第一匹配概率进行双线性插值得到的概率。
11.一种基于激光点云反射值匹配的无人车定位装置，其特征在于，包括：
获取模块，配置用于获取与无人车当前位置匹配的第一激光点云反射值数据，其中，所述第一激光点云反射值数据包括各激光点的第一坐标以及与所述第一激光点云反射值数据中的各激光点对应的激光反射强度值；
转化模块，配置用于将所述第一激光点云反射值数据转化为地平面内的激光点云投影数据；
匹配概率确定模块，配置用于以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率；以及
位置确定模块，配置用于基于所述第一匹配概率确定所述无人车在所述激光点云反射值地图中的位置；
所述激光点云反射值地图包括将地球表面在世界坐标系的地平面内划分形成M×N个地图区域，其中，各所述地图区域具有相同的大小和形状；
各所述地图区域进一步包括m×n个地图网格，其中，各所述地图网格具有相同的大小和形状；
所述匹配概率确定模块，进一步配置用于：
将所述激光点云投影数据的中心投影网格O(x,y)与所述激光点云反射值地图中与所述先验定位位置O’(xo,yo)对应的地图网格重合，其中，所述中心投影网格O(x,y)为所述激光点云投影数据中代表所述无人车车身的投影网格；
确定所述激光点云投影数据的投影范围和与之对应的地图范围的第一匹配概率；
以预定的偏移量k移动所述中心投影网格O(x,y)，并分别确定与当前中心投影网格O(x,y)对应的所述激光点云投影数据的第一匹配概率。
12.根据权利要求11所述的装置，其特征在于：所述激光点云反射值地图还包括与各所述地图网格对应的定位位置对应的各激光点的激光反射强度值的均值、与该地图网格对应的定位位置内的各激光点的激光反射强度值的方差以及与该地图网格对应的定位位置内的各激光点的数量。
13.一种无人车，其特征在于，包括：
点云反射值数据采集装置，用于采集所述无人车当前位置的激光点云反射值数据，其中，所述激光点云反射值数据包括各激光点的坐标以及与各所述激光点对应的激光反射强度值；
存储装置，用于存储激光点云反射值地图；
处理器，用于将所述激光点云反射值数据向地平面投影，生成激光点云投影数据；
以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率；以及基于所述第一匹配概率确定所述无人车在所述激光点云反射值地图中的位置；
所述激光点云反射值地图包括将地球表面在世界坐标系的地平面内划分形成的M×N个地图区域，其中，各所述地图区域具有相同的大小和形状；
各所述地图区域进一步包括m×n个地图网格，其中，各所述地图网格具有相同的大小和形状；
所述以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率包括：
将所述激光点云投影数据的中心投影网格O(x,y)与所述激光点云反射值地图中与所述先验定位位置O’(xo,yo)对应的地图网格重合，其中，所述中心投影网格O(x,y)为所述激光点云投影数据中代表所述无人车车身的投影网格；
确定所述激光点云投影数据的投影范围和与之对应的地图范围的第一匹配概率；
以预定的偏移量k移动所述中心投影网格O(x,y)，并分别确定与当前中心投影网格O(x,y)对应的所述激光点云投影数据的第一匹配概率。
14.根据权利要求13所述的无人车，其特征在于：所述激光点云反射值地图还包括与各所述地图网格的定位位置对应的各激光点的激光反射强度值的均值、与该地图网格的定位位置对应的各激光点的激光反射强度值的方差以及与该地图网格的定位位置对应的各激光点的数量。
15.一种无人车定位系统，其特征在于，包括无人车和定位服务器；
所述无人车包括点云反射值数据采集装置和第一通信装置；
所述点云反射值数据采集装置用于采集所述无人车当前位置的激光点云反射值数据，其中，所述激光点云反射值数据包括各激光点的第一坐标以及与各所述激光点对应的激光反射强度值；
所述第一通信装置用于向所述定位服务器发送所述激光点云反射值数据；
所述定位服务器包括第二通信装置、存储器和处理器；
所述第二通信装置用于接收所述第一通信装置发送的所述激光点云反射值数据；
所述存储器用于存储激光点云反射值地图；
所述处理器用于将所述激光点云反射值数据向地平面投影，生成激光点云投影数据，以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定区域的第一匹配概率，并基于所述第一匹配概率确定所述无人车的定位结果，其中，所述定位结果包括所述无人车在所述激光点云反射值地图中的位置信息；
所述第二通信装置还用于向所述第一通信装置发送所述定位结果；
所述激光点云反射值地图包括将地球表面在世界坐标系的地平面内划分形成的M×N个地图区域，其中，各所述地图区域具有相同的大小和形状；
各所述地图区域进一步包括m×n个地图网格，其中，各所述地图网格具有相同的大小和形状；
所述以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定所述激光点云投影数据在所述激光点云反射值地图的预定范围内的第一匹配概率包括：
将所述激光点云投影数据的中心投影网格O(x,y)与所述激光点云反射值地图中与所述先验定位位置O’(xo,yo)对应的地图网格重合，其中，所述中心投影网格O(x,y)为所述激光点云投影数据中代表所述无人车车身的投影网格；
确定所述激光点云投影数据的投影范围和与之对应的地图范围的第一匹配概率；
以预定的偏移量k移动所述中心投影网格O(x,y)，并分别确定与当前中心投影网格O(x,y)对应的所述激光点云投影数据的第一匹配概率。
16.根据权利要求15所述的无人车定位系统，其特征在于：所述激光点云反射值地图还包括与各所述地图网格的定位位置对应的各激光点的激光反射强度值的均值、与该地图网格的定位位置对应的各激光点的激光反射强度值的方差以及与该地图网格的定位位置对应的各激光点的数量。