1.一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，包括以下步骤：

S1：输入目标手写体汉字样本进行笔画分离，得到目标手写体汉字样本的分离笔画和目标手写体汉字样本的交叉点；根据手写体笔画识别模型识别所述目标手写体汉字样本的分离笔画的笔画类型并建立目标手写体汉字的笔画特征库，根据所述目标手写体汉字样本的分离笔画的类型判断所述目标手写体汉字样本的交叉点的类别并建立交叉点特征模型；

S2：输入目标印刷体文字进行笔画分离，得到目标印刷体文字分离笔画和目标印刷体文字的交叉点类别，根据印刷体笔画识别模型对目标印刷体文字分离笔画的笔画类型和交叉点进行标记；

S3：根据标记的目标印刷体文字分离笔画的笔画类型和交叉点，将目标印刷体文字分离笔画与目标手写体汉字的笔画特征库中的笔画进行相似度对比，获得与目标印刷文字分离笔画相对应的目标手写体的笔画；

S4：根据得到的目标手写体的笔画对所述目标印刷体文字分离笔画进行替换，利用交叉点特征模型获得调整参数对替换笔画的位置进行调整，得到目标印刷体文字所对应的目标手写体汉字；

S5：将生成的目标手写体汉字发送给驱动程序；

S6：驱动程序控制机械臂根据目标手写体汉字书写手写体汉字。

2.根据权利要求1所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，手写体笔画识别模型的建立步骤包括：S11：输入手写体汉字训练集；

S12：对手写体汉字训练集进行预处理，将手写体汉字训练集中的图像分割为单个汉字图像，将单个汉字图像转化为n*n维点向量；

S13：采用二次函数拟合方法对单个汉字进行笔画分离，获取分离笔画；

S14：将分离笔画转化为10*10维的密度特征向量，并建立手写体笔画识别模型。

3.根据权利要求2所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，利用二次函数拟合方法对单个汉字进行笔画分离包括以下步骤：S131、对单个汉字图像进行交叉点找寻，并标记交叉点；

S132、从标记的交叉点处提取出连续为1的像素点，每一段连续为1像素点为汉字的一个分段笔画，将每个提取出的分段笔画存储为一个图像，即分段笔画图像；

S133、采用二次函数拟合判断分段笔画图像是否属于同一笔画，若属于同一笔画，则进行合并处理，得到分离笔画。

4.根据权利要求3所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，进行交叉点找寻时，交叉点判断方法包括：查找一个前景像素点的周围像素点为1的个数，若该前景像素点的周围8个像素点中标记为1的像素点数量大于2，则该像素点为交叉点，将该像素点标记为交叉点。

5.根据权利要求3所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，采用二次函数拟合判断分段笔画图像是否属于同一笔画具体包括以下步骤：S1331、将每个分段笔画图像中前景像素点的坐标(xi,yi),i＝0,1,2…m放入均方误差计算公式中进行计算，得到拟合函数与数据序列的均方误差函数Q(a0,a1,a2)，其中，m表示前景像素点的点坐标数量，a0表示差值补充参数，a1表示第一差值判断参数，a2表示第二差值判断参数；

S1332、根据多元函数的极值原理计算拟合函数与数据序列的均方误差函数Q(a0,a1,a2)的最小值，得到二次多项式函数拟合的方程；

S1333、将每个分段笔画图像中的前景像素点的坐标(xi,yi)带入二次多项式函数拟合的方程中，得到每个分段笔画图像的拟合模型P(X)；

S1334、采用递归方法对所有分段笔画图像进行差值判断，若两个分段笔画的差值小于预先设定的阈值，则判断两个分段笔画属于同一笔画，将两个分段笔画进行合并处理；

S1335、对所有的分段笔画进行上述相同笔画合并处理，最终得到分离笔画。

6.根据权利要求5所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，采用递归方法对所有分段笔画图像进行差值判断具体方式包括：选定一个分段笔画图像的拟合模型P(X)，将其他分段笔画图像的前景像素点横坐标xi分别带入P(X)函数中，得到其他分段笔画图像的前景像素点纵坐标yi值，将所有计算出的yi值进行求和，然后与横坐标xi本身对应的纵坐标yi之和进行差值计算，若差值小于4，则该分段笔画图像中的笔画与选定的一个分段笔画图像中的笔画属于同一笔画，将这两个分段笔画图像进行合并处理，即将一个分段笔画图像中的所有前景像素点复制到将另一个分段笔画图像中。

7.根据权利要求1所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，利用交叉点特征模型获得调整参数对替换笔画的位置进行调整，具体包括：将所述目标印刷体文字的交叉点类别作为参数输入交叉点特征模型中，交叉点特征模型输出2维调整参数，利用2维调整参数对替换笔画的位置进行调整，调整后，最终得到目标印刷体文字所对应的目标手写体汉字。

8.根据权利要求1所述的一种基于特征图像自学习的机械臂模拟手写笔迹方法，其特征在于，所述将目标印刷体文字分离笔画与目标手写体汉字的笔画特征库中的笔画进行相似度对比，具体采用感知哈希算法进行笔画的相似度对比，包括如下步骤：S31、缩小尺寸：将图像缩小到8*8的尺寸，总共64个像素；

S32、计算平均值：计算所有64个像素的灰度平均值；

S33、比较像素的灰度：将每个像素的灰度与平均值进行比较，将大于或等于平均值的像素记为1，将小于平均值的像素记为0，像素灰度比较完成后，将比较结果按照相同次序组合在一起，得到灰度化的汉字图像的指纹；

S34、得到灰度化的汉字图像的指纹后，进行两张图像的相似度对比，具体方式包括：对比两张不同汉字图像的指纹，比较两张图像指纹中的64位像素数，若像素数不相同的位数大于10，则说明这是两张不同的图像；若像素数不相同的位数为5-10之间，而说明两张图像相似度一般；若像素数不相同的位数不超过5，则说明两张图像相似度高，在进行笔画替换时，选用相似度最高的图像中的笔画进行替换。