1引言
近年来成为智能机器人的发展成为热点研究领域，计算机智能自动化和人工智能是智能机器人路径规划系统，是规划的重要组成部分，可分为环境信息识别、规划和控制机器人运动三个部分，可并行执行，提高机器人系统的稳定性，以及路线规划[1]。智能机器人是一个全球性的课题，从环境信息和识别功能的角度来看，由于机器人能够适应环境，因此机器人地图需要实用和准确[2]。快速准确的信息获取方法和方案为机器人路径规划算法提供了优化点。在现代社会中，机器智能的程度越来越高。未来智能机器人的发展趋势是：语言交流的完善；各种动作的美化；人性化的外观；恢复功能的增强；增加内部储能；较强的逻辑分析能力；功能多样化[3]。
在过去的几十年里，机器人被广泛地应用。在Kumar等开发了一种具有自动避障的迷宫解决机器人，该自主机器人用独立映射和定位技术解决迷宫[4]。首先，利用三个红外传感器检测障碍物。为了控制机器人的运动，研究人员只使用了两个伺服电机，以确保机器人能够移动到任何想要的方向。这个机器人也是用一个机械臂来执行挑选和放置功能的。在这项研究中，机器人能够在穿过迷宫中选择其路径上的任何障碍物。这个机器人被设计成可以应用于仓库、军事用途、危险的地方和人类难以通过的地方。本研究的局限性是它只能在范围内使用。随后，Wang等将家庭安全机器人与人脸识别的图像处理进行了集成，本研究采用了局部二值制模式（LBP）和支持向量机（SVM）两种人脸检测方法[5]。使用摄像机记录视频流，然后由人脸识别系统检测和识别人脸。
2 图像识别的基本原理和方法
在图像技术的发展模式下，图像识别技术在我国得到了广泛的应用[6]。在我国发展背景的推动下，越来越多的科技领域占据着我国经济发展的主导地位。对于图像识别技术的传播效果而言。图像识别技术可以应用于医疗生活、购物、健身等各个领域，通过图像识别技术实现对衣食住行的管理和改善。图像技术的主要原理是通过人工智能的牵引，对图像识别范围内的数据进行识别和检测，类似于指纹识别、条形码识别等。目前该技术已广泛应用于生命安全领域。不难看出图像识别技术对我们人类的意义。
2.1 图像识别的概念
模式识别是利用计算机对物理对象进行处理和分类，使其在误差概率最小的条件下，使识别结果尽可能地符合客观事物。模式识别是一种基于应用程序的学科。它的主要目的是使机器能够自动识别对象和处理信息，从而独立而不是人来完成任务。图像识别技术是模式识别在图像领域的具体应用，它是一种计算机图像处理、分析和分类，以识别不同模式的目标和目标技术。图像识别是指对观察到的物体或过程进行分类和描述，并做出有意义的判断。在狭义上，图像是图像识别中需要研究的模式，图像识别是基于图像处理技术的图像识别的一个课题。
2.2 图像识别系统的组成
图像识别系统主要包括图像信息采集、图像信息的处理处理、特征提取、识别或分类等部分。图像信息主要通过数码相机、数据采集器等获取，通过工具采集模拟信号、光信号等信息，并将这些信息转换为数字图像信息，然后将转换后的数据信息以二维或三维的方式显示。对采集到的图像进行一系列的预处理，提取所需的特征信息，对图像结构进行分析和描述，最后输出图像信息的结构和类别。
在图像识别系统中，模式识别是一种具有大量数据和信息的阶段性模式识别。根据计算机图像识别数据库中丰富的数据和经验，对已知的识别数据进行保护和完善，同时对新的数据信息进行修改和整合，结合现代科技原理，并改进了图像识别功能在数据信息存储方面的不足。识别模式分为两个阶段：第一个是学习阶段，第二个是实现阶段，根据这两个阶段的数据存储过程，对图像识别进行采样和区分，识别系统对计算机存储的数据进行定期分类和识别，并进行相应的图像识别的计算机应用程序，从而实现图像识别的阶段模式，实现数据和信息的统一管理。在识别过程中，对新图像信息的捕获要及时准确，并对新图像数据进行数据库的集成，避免由于一定的局限性带来的弊端，杜绝图像识别产生的错误信息。
3 计算机图象识别技术的机器人路径研究
人工智能在我国逐渐被广泛应用，随着信息时代的发展，由人工智能衍生而来的图像识别技术也逐渐为人们所熟知[7]。图像识别技术的主要原理是用计算机代替人工，这些工作原理都离不开人工智能的牵引功能，从而实现对大量数据信息的处理和判断。在计算机技术逐步发展的趋势下，在图像识别技术不断延伸的情况下，识别数据的安全性和处理过程都需要进行分析。在图像处理中，考虑了人脸和物体的识别。识别过程分为训练图像和测试图像两部分。训练图像是用于和比较的数据集，用于测试图像或未知图像，以进一步确定相似性。每个采集到的图像数据都经过一系列的图像处理，包括预处理、特征提取和分类。
3.1 机器人对数据采集
人的眼睛被称为视觉效果，而人的眼睛具有很强的图像识别能力，对人的建筑和颜色有一定的感官效果。数据或图像采集是视觉系统的第一阶段。在数据采集中，利用图像预处理对图像数据进行改进，去除不需要的特征，对数据进行增强，以便进行进一步的处理。在人工智能领域，技术人员针对人眼的视觉效果扩展和开发图像识别技术，对不同的图像或条形码进行不同阶段和意义的数据存储，使图像识别得到实际应用，确保准确有效的识别。在图像识别技术的发展过程中，为了实现人眼识别图像无差异的状态，科学家在设计过程中对图像识别技术的数据程序进行了测试，并针对计算机数据捕获图像的过程，进行了人脑记忆数据的感官集成，从而充分反映了图像识别技术。
3.2 机器人对特征提取与分类
为信息数据的采集，以及传感器之间的信号传输，提供一定的真实性和安全性。在图像识别中，信息数据的分化存在不同程度的变异，既要保证过于隐蔽的数据信息不会泄露，又要有效识别信息数据源的可靠性和真实性。因为对于图像识别技术来说，对相应的特征进行识别，在这种模式下，图像识别对于多语言和身份的交互识别过程，需要存储一定的记忆进排除，这样才不会识别出错误的信息。同时，图像识别与计算机信息技术相结合，具有数据程序基础和识别技术规范的特点。对于图像识别的规律，就需要具有真实性和高度的识别度，这样才能实现人工智能的高效图像识别技术。在此过程中，获取测试图像，并与数据集或训练图像进行比较，以确定图像之间的相似性。在人脸识别中，使用LBP提取测试图像，并与来自图像样本库的每幅图像中每个受试者的特征进行比较。它将得到每个受试者特征的平均值。例如，如果样本中有5个对象，系统将分5次计算，并在这5个对象中搜索与当前对象最近的对象。多样性越小意味着检测到的人脸与之前的样本越相似。这样就可以确定样品的结果了。在目标识别中，模板匹配通常使用归一化交叉相关来匹配不规则的目标或特征。每个物体由10张图像组成，第一幅图像被分配给训练样本，其余的作为测试样本。图像模板必须保存，以匹配对象或特征的灰度图像，获得了五个不同大小和颜色的测试对象。然而，在模板匹配过程中发现了一些局限性。限制是这样设置的对象的大小，对象到相机的距离，对象的颜色，相机的方向和测试区域的照明。由于这些局限性，一些目标无法被检测到，使得获取结果更加困难。
4 计算机图像识别技术的机器人路径实现
本项目以自主开发的实验智能机器人为例平台，通过学习和实验研究，完成以下工作。首先，环境信息收集和分析，收集的图像结合MATLAB（矩阵实验室）工具箱进行图像增强和灰度处理，小波阈值去噪，重新占据精明的边缘检测算法，最终使用邻居标准图像识别，改进了基于MATLAB类中心最小距离算法的欧氏距离算法的规则，仿真结果证明了该算法的有效性。其次，给出了本项目中应用的动态路径规划算法，并利用计算机终端MATLAB对机器人的路径规划进行了仿真。给出并进行了一些图像的分析。指出了目前存在的问题和未来的研究方向。本研究主要使用图像处理工具箱和小波工具箱来提供该功能。小波分析工具箱是一种可视化的小波分析工具，为图像处理提供了良好的仿真和应用平台。后期通过MATLAB图像处理和智能控制，机器人路径规划可以简化信息处理过程，路径规划算法进行图像识别和实现，通过采集的数据识别图像块等机器人，机器人并采取适当的行动，将后期成熟的MATLAB算法应用于嵌入式终端。
首先，结合不同类型的传感器信息，正确有效地识别对象，超声波传感器、摄像机、红外测距仪采集智能机器人周边信息、超声波模块信息、红外距离信息和图像传感器的图像信息融合，距离测量的有效实现、距离信息的精度，为个人电脑路径规划提供了更详细的数据。
第二，计算机终端图像识别系统的图像噪声小波阈值去噪，精明边缘算法提取边缘特征信息，并最终改进了类中心的欧氏距离法，最小距离准则算法，该算法不需要获得样本库，通过计算两点之间的距离直接找到最小距离矩阵并聚类到阵列中的一个点，绘制图像的聚类结果，具体算法通过MATLAB编程，算法清晰，操作简单，可靠性强，可移植性很强，但也有一些缺点。例如，在分析大量数据时，需要修改聚类数以达到分类效果。此时，最小距离准则算法无法准确分析，需要改进。
第三，路径规划是一个简单的小程序，在研究的过程中发现使用动态规划的策略研究比较成熟，算法的流程图实现过程，路径规划，以及各个模块需要做的任务，通过MATLAB仿真机器人路径规划，通过随机生成五个点，表示机器人的另一个随机运动，通过随机函数对机器人进行仿真，并设定机器人的起始位置，在此基础上，对动态路径规划的路径和普通路径规划的仿真过程，根据实验和比较，证明了动态路径规划可以提高成功率。
5 结论
综上所述，中国的经济发展在不断的科技创新中获得了不同程度的改革与创新，面对信息技术与图像识别技术在机器人路径规划中的应用价值的融合。本文结合图像识别应用的常见形式、图像识别技术的基本原理和人工智能机器人图像识别的重要过程进行了详细的阐述。在我国未来的系统开发中，基于人工智能机器人的图像识别技术，将广泛应用于各个领域。人们的衣食住行都要靠图像识别技术来完成，而我们作为图像识别技术的使用者，应该对图像识别技术有一定的了解和认知，并且清楚地知道图像识别技术将融入我们的日常生活，并将促进经济的发展，加快人类生活的。
参考文献
[1]李志豪,刘彩霞.基于图像识别技术的智能机器人设计与测试评价[J].中国安防,2022(03):86-90.
[2]范贝贝,王弼虎,周鹏成,黎远松,赵良军.人工智能识别的关键技术分析[J].电子测试,2021(15):81-82+126.
[3]苏敏.智能物流机器人的图像识别技术在课堂中的应用[J].科学技术创新,2020(28):179-180.
[4]Kumar R, Jitoko P, Kumar S, et al. Maze solving robot with automated obstacle avoidance[J]. Procedia Computer Science, 2017, 105: 57-61.
[5]Wang J, Zheng J, Zhang S, et al. A face recognition system based on local binary patterns and support vector machine for home security service robot[C]//2016 9th International Symposium on Computational Intelligence and Design (ISCID). IEEE, 2016, 2: 303-307.
[6]屠珺,苗玉彬.移动机器人目标图像识别技术研究[J].农机化研究,2011,33(05):69-72.
[7]陈正军,邬华,刘莹.语音与图像识别技术的嵌入式应用研究[J].消费导刊,2010(06):203-204.
作者简介：陈丹（1991.02-），女，苗族，湖南邵阳人，硕士研究生，讲师，研究方向：人工智能与脑科学。
