1.一种地图道路全要素特征提取方法，其特征在于，包括以下步骤：
s1.建立全要素的道路标线要素集；
s2.获取地图道路图像集，并基于所述道路标线要素集，在所述道路图像集中选取部分图像生成全要素训练数据集；
s3.使用图像翻译算法对所述训练数据集进行训练；
s4.根据经过训练的训练数据集，确定标线要素的位置和形状；
s5.根据标线要素的位置和形状，生成标识了全要素道路标线的图像。
2.如权利要求1所述的地图道路全要素特征提取方法，其特征在于，所述全要素的道路标线要素集根据对象类型分为图像类要素和字符类要素两类，所述图像类要素包括：减速标线、网状线、人行道、导向指示符、道路出入口标记和虚线；字符类要素包括：转向箭头、横向实线、长实线、字体、三角形标志、菱形标志和非机动车标志。
3.如权利要求2所述的地图道路全要素特征提取方法，其特征在于，所述步骤s2中获取地图道路图像集生成全要素训练数据集的具体过程为：通过激光雷达检测器生成道路的激光强度特征图，并结合地图道路图像集将图像中所述道路标线要素的位置进行标识，将其中包括至少一个道路标线要素的图像从最初的所述道路图像集中分离，并生成所述全要素训练数据集。
4.如权利要求3所述的地图道路全要素特征提取方法，其特征在于，所述全要素训练数据集在进行所述步骤s3之前，需要对所述数据集中图像进行平移、旋转、剪切、尺度调整和去噪，并通过对抗生成网络gan和模型迁移对所述图像进行样本增强处理。
5.如权利要求4所述的地图道路全要素特征提取方法，其特征在于，将经过样本增强处理的图像进行正向改进以满足图像翻译算法的要求。
6.如权利要求5所述的地图道路全要素特征提取方法，其特征在于，所述正向改进步骤为：首先，将图像数据格式转换为label.png或label_viz.png格式文件；
其次，将所述图像剪切为统一尺寸；最后，将剪切后未标记道路标线要素的图像和与其对应的标记了道路标线要素的图像合并为一张图像。
7.如权利要求6所述的地图道路全要素特征提取方法，其特征在于，在所述步骤s4结束后进行图像数据反向改进，所述图像数据反向改进为所述正向改进的逆过程。
8.如权利要求1-7任一项所述的地图道路全要素特征提取方法，其特征在于，所述步骤s4中采用动态模拟匹配算法获取标线要素的形状，所述动态匹配算法需引入模板匹配数据集，将所述模板匹配数据集与经过训练的所述训练数据集中图像进行匹配，确定二者相似度，所述模板匹配数据集包括每个道路标线的图像、基于图像的矢量特征数据、矢量特征类别和标线的动态角度信息。
9.如权利要求8所述的地图道路全要素特征提取方法，其特征在于，所述相似度max(ncc(x,y,θ))的计算公式是：
其中，x、y分别是三维强度虚拟特征图中标线在水平面内的横坐标和纵坐标，θ是三维强度虚拟特征图中动态角度值，i、j为模板匹配数据集的图像中标线的位置矢量；ncc(x,y,θ)为归一化互相关匹配算法的函数；
10.一种地图道路全要素特征提取系统，其特征在于，包括：
道路标线要素集建立模块，用于建立全要素的道路标线要素集，并对其进行编码；
训练数据集生成模块，用于获取地图道路图像集，并基于所述道路标线要素集，在所述道路图像集中选取部分图像生成全要素训练数据集；
图像训练模块，用于使用图像翻译算法对所述训练数据集进行训练；
位置形状确定模块，用于根据经过训练的训练数据集，确定标线要素的位置和形状；
图像生成模块，根据标线要素的位置和形状，生成标识了全要素道路标线的图像。