1.一种电动汽车充电口识别方法，所述方法基于充电机器人，充电机器人带有机械臂，机械臂上安有摄像头；其特征在于，所述电动汽车充电口识别方法包括：步骤S1、利用所述摄像头拍摄待充电电动汽车的充电口的预先设定数量的图像，得到一组第一图像；步骤S2、选取预设神经网络库中，与第一图像中任意一张图像的相似度达到预设第二比例阈值T2的任意一张图像，记为目标图像；所述神经网络库中，存有若干能够通过输入所述摄像头拍摄的电动汽车的充电口的图像计算对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离的卷积神经网络识别模型及其对应的所述摄像头拍摄的电动汽车的充电口的图像以及其计算得到的各对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离；第二比例阈值T2的取值大于或等于99％；步骤S3、调取神经网络库中存储的目标图像对应的电动汽车的充电口与所述机械臂的机械臂零点之间的距离；步骤S4、利用调取的距离，得到待充电电动汽车的充电口的位姿坐标。
2.根据权利要求1所述的电动汽车充电口识别方法，其特征在于，所述电动汽车充电口识别方法还包括：若所述神经网络库中，不存在与第一图像中任意一张图像的相似度达到预设第二比例阈值T2的图像，则选择神经网络库中与第一图像相似度最高的一张图像对应的卷积神经网络识别模型，对所拍摄的各第一图像进行深度自学习，得到一个新的卷积神经网络识别模型，将该新的卷积神经网络识别模型及其对应的输入图像以及其内输入该对应的输入图像后计算得到的电动汽车充电口与所述机械臂的机械臂零点之间的距离存入神经网络库，之后转至步骤S2继续往下执行。
3.根据权利要求1或2所述的电动汽车充电口识别方法，其特征在于，所述神经网络库中，预先存有一个训练好的卷积神经网络识别模型及其对应的所述摄像头拍摄的电动汽车的充电口的图像以及其计算得到的对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离；所述训练好的卷积神经网络识别模型，是预先训练好的能够通过输入所述摄像头拍摄的电动汽车的充电口的图像计算对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离的卷积神经网络模型。
4.根据权利要求1或2所述的电动汽车充电口识别方法，其特征在于，所述电动汽车充电口识别方法还包括：选取第一图像中与所述目标图像的相似度达到预先设定的第一比例阈值T1的图像，得到若干个第二图像；第一比例阈值T1小于第二比例阈值T2，第一比例阈值T1的取值大于或等于90％；将第二图像分别输入神经网络库中存储的目标图像对应的卷积神经网络识别模型，计算得到各第二图像对应的电动汽车的充电口与所述机械臂的机械臂零点之间的距离；将第二图像及其对应的卷积神经网络识别模型以及其通过以上计算得到的电动汽车的充电口与所述机械臂的机械臂零点之间的距离存入所述神经网络库。
5.根据权利要求1或2所述的电动汽车充电口识别方法，其特征在于，所述摄像头采用单目摄像头。
6.一种电动汽车充电口识别系统，所述系统基于充电机器人，充电机器人带有机械臂，机械臂上安有摄像头；其特征在于，所述系统包括：充电口图像采集模块，被配置为利用所述摄像头拍摄待充电电动汽车的充电口的预先设定数量的图像，得到一组第一图像；图像筛选模块，被配置为选取预设神经网络库中，与第一图像中任意一张图像的相似度达到预设第二比例阈值T2的任意一张图像，记为目标图像；所述神经网络库中，存有若干能够通过输入所述摄像头拍摄的电动汽车的充电口的图像计算对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离的卷积神经网络识别模型及其对应的所述摄像头拍摄的电动汽车的充电口的图像以及其计算得到的各对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离；第二比例阈值T2的取值大于或等于99％；距离调取模块，被配置为调取神经网络库中存储的目标图像对应的电动汽车的充电口与所述机械臂的机械臂零点之间的距离；充电口识别模块，被配置为利用调取的距离，得到待充电电动汽车的充电口的位姿坐标。
7.根据权利要求6所述的电动汽车充电口识别系统，其特征在于，所述系统还包括：系统优化模块，被配置为在所述神经网络库中不存在与第一图像中任意一张图像的相似度达到预设第二比例阈值T2的图像时，选择神经网络库中与第一图像相似度最高的一张图像对应的卷积神经网络识别模型，对所拍摄的各第一图像进行深度自学习，得到一个新的卷积神经网络识别模型，将该新的卷积神经网络识别模型及其对应的输入图像以及其内输入该对应的输入图像后计算得到的电动汽车充电口与所述机械臂的机械臂零点之间的距离存入神经网络库，之后调用图像筛选模块继续执行。
8.根据权利要求6或7所述的电动汽车充电口识别系统，其特征在于，所述神经网络库中，预先存有一个训练好的卷积神经网络识别模型及其对应的所述摄像头拍摄的电动汽车的充电口的图像以及其计算得到的对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离；所述训练好的卷积神经网络识别模型，是预先训练好的能够通过输入所述摄像头拍摄的电动汽车的充电口的图像计算对应电动汽车的充电口与所述机械臂的机械臂零点之间的距离的卷积神经网络模型。
9.根据权利要求6或7所述的电动汽车充电口识别系统，其特征在于，所述系统还包括：选取第一图像中与所述目标图像的相似度达到预先设定的第一比例阈值T1的图像，得到若干个第二图像；第一比例阈值T1小于第二比例阈值T2，第一比例阈值T1的取值大于或等于90％；将第二图像分别输入神经网络库中存储的目标图像对应的卷积神经网络识别模型，计算得到各第二图像对应的电动汽车的充电口与所述机械臂的机械臂零点之间的距离；将第二图像及其对应的卷积神经网络识别模型以及其通过以上计算得到的电动汽车的充电口与所述机械臂的机械臂零点之间的距离存入所述神经网络库。
10.根据权利要求6或7所述的电动汽车充电口识别系统，其特征在于，所述摄像头采用单目摄像头。
