传统的机器人的运动动作相对固定,且对于周围环境的应变能力差,无法自主进行运动。自主返航路径识别是指机器人在运动过程中能够根据行走过的路径周围信息建立起其所处的场景环境,并且在进行返航时即使面对不同方向的观测角度或者环境中物体发生变动等情况均能够准确识别出要行走路径。随着深度学习的发展,利用神经网络的方法对机器人进行运动指导以及路径选择,为机器人的智能化发展提供了新思路。本文主要进行了以下工作:首先在Res Net50-tiny网络的基础上通过使用更改网络层间连接的方式调整网络结构,在Res Net50-tiny网络模型的中部特征提取网络后连接图像相似度判断网络用于判断图像相似度以及建立场景类别。在图像输送入改进的网络模型后,将通过模型的前端图像处理部分以及中部特征提取网络获取输入图像的特征向量,并采用计算余弦相似度的方式判断输入图像与已有场景类别特征是否一致。最终利用移动路径的周围信息建立起移动路径场景模型,利用返航路径的周围图像与场景模型进行对比,依次进行判断识别,从而找出正确的返航路径。其次设计一个自主运动平台用于进行实际运行和采集数据,搭配分布式通讯功能以及手机操控程序。其中自主运动平台由轮式机器人、树莓派、D435摄像头、绘制的外围板以及多种传感器等设备组成,以树莓派为核心采用多线程的方式协调各个部件进行工作,并与云端服务器和后端信息处理工作站进行数据通信用于传输图像以及运动命令。编写一款手机APP软件用于控制运动平台进行运动,执行各种移动命令,实现在实际环境中进行运动和图像采集的功能。最终使用手机APP控制运动平台在实际环境中按照命令进行移动,运动平台采集移动路径周围图像发送给工作站,进而使用Res Net50-tiny改进模型建立起移动路径场景信息。在到达运动终点后,运动平台继续采集当前周围图像信息,并应用模型对图像进行识别,寻找出相似度最高的图像即返航路径后将运动方向反馈给运动平台,最终实现在实际环境中运动平台自主返航的功能。