CN108627172A - 一种基于指纹地图的室内移动机器人遍历路径规划方法 - Google Patents

Abstract

本发明公开一种基于指纹地图的室内移动机器人遍历路径规划方法，移动机器人包括驱动轮和与驱动轮连接的驱动电机，设置在移动机器人前端的充电电极公端以及主控电子装置设置，充电基座包括设置充电电极母端、电源插孔，以及充电控制电子装置，充电控制电子装置设置控制器和与控制器连接的第一WIFI模块，主控电子装置设置处理器和与处理器连接的第二WIFI模块，以及设置在处理器中的遍历路径规划方法，所述的遍历路径规划方法包括十个步骤，沿着无线信号强度等值线从左到右，再从右到左行走，当遇到障碍物时根据指纹地图进行障碍物类型判断：障碍物或者墙，并进行相应处理，最后进行结束条件判断。

Description

一种基于指纹地图的室内移动机器人遍历路径规划方法

技术领域

本发明涉及一种基于指纹地图的室内移动机器人遍历路径规划方法，属于移动机器人领域。

背景技术

移动机器人已经开始应用在我们的生活中，比如吸尘机器人和割草机器人，机器人的应用一定程度上减轻了日常的劳动负担，是未来技术发展的趋势。

目前，移动机器人技术的发展还不是很完善，比如吸尘机器人和割草机器人，工作的时候采用随机路径，在工作环境内随意行走，工作效率很低。随着技术的发展，目前移动机器人开始装配二维甚至三维激光雷达用于环境检测和地图建立，但是这种方式成本非常高，传感器本身的价格已经远远超过目前移动机器人的成本。也有采用图像传感器进行环境检测与地图建立的，这种方式对硬件计算能力要求高，并且对环境光照条件要求苛刻。而无线wifi网络已经普及到每个家庭及办公环境，其硬件成本非常低，开发资料也很丰富，基于无线wifi网络信号的强度信息来进行移动机器人的建立环境地图和路径规划成为一个发展方向。

发明内容

本发明的目的是为了克服现有技术中的不足之处，依据大范围无线信号的强度信息来建立环境的指纹地图，并进行遍历路径规划，在不增加硬件成本的前提下，提高工作效率。

本发明解决其技术问题所采用的技术方案是：

一种基于指纹地图的室内移动机器人遍历路径规划方法，所述的移动机器人包括驱动轮和与所述的驱动轮连接的驱动电机以及设置在所述的移动机器人前端的充电电极公端，所述的移动机器人内部设置主控电子装置，所述的主控电子装置包括进行集中控制的处理器，与所述的处理器连接的电机驱动电路，所述的电机驱动电路与所述的驱动电机连接，与所述的处理器连接的障碍物检测电路，用于进行避障和路径规划，与所述的处理器连接的惯性导航系统，用于计算所述的移动机器人的位置(x,y)和方向θ，还包括与所述的处理器连接的充电电路，所述的充电电路与所述的充电电极公端连接，所述的充电电路输出连接所述的充电电池，所述充电电池输出连接第二电源电路，所述的第二电源电路为后续电路提供电源；所述的充电基座包括充电电极母端、电源插孔，以及充电控制电子装置，所述的充电控制电子装置设置了进行集中控制的控制器，与所述电源插孔连接的第一电源电路和滤波电路，与所述的滤波电路连接的开关管，所述的开关管由所述的控制器控制，输出连接电流检测电路，所述的电流检测电路连接所述的充电电极母端，所述的电流检测电路将电流信号转换成电压信号给所述的控制器，所述的充电控制电子装置，设置与所述的控制器连接的第一WIFI模块，所述的第一WIFI模块设置为AP模式，所述的主控电子装置设置与所述的处理器连接的第二WIFI模块，所述的第二WIFI模块设置为STA模式，所述的处理器可获取所述的第二WIFI模块接收到的无线信号强度值RSSI，记为R，以及所述的处理器内部设置链表L₀={a(i)}，其中a(i)=R_i，i=0,1,2,3......N-1，其中，R_i表示所述的移动机器人围绕墙行走过程中，不同时刻存储的无线信号强度值，其中，N为链表长度，所述的处理器设置遍历路径规划方法，所述的遍历路径规划方法包括以下步骤：

(1) 设置链表L₁={b(j)}，其中b(j)=R_j，j=0,1,2,3......M-1，其中，M为链表长度,设置表尾指针ep，指向链表L₁中最新数据的位置；

(2) 所述的移动机器人离开所述的充电基座，向左旋转并以沿着墙边行走，采用行走距离累计算法，计算所述的移动机器人的行走距离d，当行走距离d>W时，其中，W为所述的移动机器人的车身宽度，则存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y；进入步骤3；

(3) 所述的移动机器人进入向左循迹过程，循迹路径为无线信号强度等值线，即无线信号强度为Rx的路径；当所述的移动机器人遇到障碍物时，存储无线信号强度值R，即ep=0，b(ep)=R，进入步骤4；

(4) 所述的移动机器人以左侧沿着障碍物行走；采用行走距离累计算法，计算所述的移动机器人的行走距离d，当距离d>10cm，存储无线信号强度值R至L₁，即ep++，b(ep)=R；当|R-Rx|<δ，其中δ设置为接近于零的阈值，返回步骤3；当ep等于M-1时，进入步骤5；

(5) 采用数据匹配算法，将链表L₁与链表L₀中的数据进行匹配，如果匹配成功则进入步骤6；如果匹配不成功，存储无线信号强度值R，即ep=0，b(ep)=R，则返回步骤4；

(6) 所述的移动机器人向右旋转并以右侧沿着墙边行走，当无线信号强度值R等于Rx时，计算所述的移动机器人沿着无线信号强度等值线的行走路径长度pace=，如果pace>K，其中K为遍历路径规划结束阈值，则继续规划路径，沿墙行走距离d>W，然后存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y，进入步骤7；否则，结束遍历路径规划；

(7)所述的移动机器人进入向右循迹过程，循迹路径为无线信号强度等值线，无线信号强度为Rx的路径；当所述的移动机器人遇到障碍物时，存储无线信号强度值R，即ep=0，b(ep)=R，进入步骤8；

(8) 所述的移动机器人向左旋转并以左侧沿着障碍物行走；采用行走距离累计算法，计算所述的移动机器人走过的距离d，当距离d>10cm，存储无线信号强度值R至L₁，即ep++，b(ep)=R;当|R-Rx|<δ,返回步骤7；当ep等于M-1时，进入步骤9；

(9) 采用数据匹配算法，将链表L₁与链表L₀中的数据进行匹配，如果匹配成功则进入步骤10；如果匹配不成功，存储无线信号强度值R，即ep=0，b(ep)=R，则返回步骤8；

(10) 所述的移动机器人向右旋转并以右侧沿着墙边行走，当无线信号强度值R等于Rx时，计算所述的移动机器人沿着无线信号强度等值线的行走路径长度pace=，如果pace>K，则继续规划路径，向左旋转并以左侧沿墙行走距离d>W，然后存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y，返回步骤3；否则，结束遍历路径规划。

所述的行走距离累计算法设置为：

初始化行走距离d=0；

设置计算周期T；

在当前计算周期T的初始时刻，存储初始位置x₀=x，y₀=y；

计算周期T结束时，计算当前计算周期T内所述的移动机器人的行走距离Δd=；

对Δd进行累计，可得行走距离d=d+Δd，然后进入下一个计算周期T。

所述的向左循迹过程设置为：

当R>Rx+δ，所述的移动机器人向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

所述的向右循迹过程设置为：

当R>Rx+δ，所述的移动机器人向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

所述的数据匹配算法设置为：

计算链表L₁与L₀的匹配评价函数SAD值：SAD(i)=，其中i=0,1,2,3...,(N-M)；

当SAD(i)取得最小值时，i等于min，其中0≤min≤N-M；如果SAD(min)<T同时|a(min)-Rx|<δ，则匹配成功，其中T是匹配阈值。

实施本发明的积极效果是：1、无线信号覆盖范围广，没有累计误差，结合指纹地图，可以用于遍历路径规划，提高工作效率；2、不需要环境设置及改造，成本低。

附图说明

图1是遍历路径规划过程示意图；

图2是主控电子装置的原理框图；

图3是充电控制电子装置的原理框图。

具体实施方式

现结合附图对本发明作进一步说明：

参照图1－3，基于指纹地图的室内移动机器人遍历路径规划方法，所述的移动机器人19包括驱动轮和与所述的驱动轮连接的驱动电机9以及设置在所述的移动机器人19前端的充电电极公端6。基于所述的驱动轮，所述的移动机器人19可以实现自由移动，可以设置为两个驱动轮和一个支撑轮；所述的充电电极公端6设置为两个分开的铜质电极，与外部电源连接时进行充电。

所述的移动机器人19内部设置主控电子装置，所述的主控电子装置包括进行集中控制的处理器1，所述的处理器1可采用低功耗微处理器，具体可采用TI公司的MSP430，或者普通处理器，比如ST公司的32位ARM处理器STM32F103C8T6；与所述的处理器1连接的电机驱动电路7，所述的电机驱动电路7与所述的驱动电机9连接，在所述的处理器1的控制下，所述的电机驱动电路7带动所述的驱动电机9，所述的驱动电机9带动所述的驱动轮，实现所述的移动机器人19的自由移动；与所述的处理器1连接的障碍物检测电路8，用于进行避障和路径规划，可以采用超声波或者红外传感器或者两种传感器的组合；与所述的处理器1连接的惯性导航系统10，设置为安装在所述的驱动电机9上的编码器，用于计算所述的移动机器人19的位置(x,y)和方向θ，由于计算误差，机械间隙及地面打滑，所述的惯性导航系统10具有累计误差，但是在一段时间内，误差较小，具有使用价值；还包括与所述的处理器1连接的充电电路5，所述的充电电路5与所述的充电电极公端6连接，所述的充电电路5输出连接所述的充电电池4，所述充电电池4输出连接第二电源电路2，所述的第二电源电路2为后续电路提供电源。

所述的充电基座18包括充电电极母端17、电源插孔，以及充电控制电子装置。所述的电源插孔可连接外部电源适配器，为所述的充电基座18各个组成部分提供电源；所述的充电电极母端17设置为两个分开的铜质电极，具有弹性，与所述的充电电极公端6对应，正极对正极，负极对负极，高度相同。

所述的充电控制电子装置设置了进行集中控制的控制器12，因为功能较单一，可采用MICROCHIP的PIC16F1503单片机；与所述的电源插孔连接的第一电源电路13和滤波电路14，与所述的滤波电路14连接的开关管15，所述的开关管15由所述的控制器12控制，输出连接电流检测电路16，所述的电流检测电路16连接所述的充电电极母端17，所述的电流检测电路16将电流信号转换成电压信号给所述的控制器12，所述的控制器12可控制输出电流的大小，并且防止所述的充电电极母端17短路。

所述的充电控制电子装置，设置与所述的控制器12连接的第一WIFI模块11，所述的第一WIFI模块11设置为AP模式，即无线接入点，是一个无线网络的中心节点；所述的主控电子装置设置与所述的处理器1连接的第二WIFI模块3，所述的第二WIFI模块3设置为STA模式，即无线站点，是一个无线网络的终端，所述的处理器1可获取所述的第二WIFI模块3接收到的无线信号强度值RSSI，记为R。所述的第一WIFI模块11和第二WIFI模块3可设置为IOT芯片ESP8266，具有价格低，变成简便的优点。

所述的处理器1内部设置链表L₀={a(i)}，其中a(i)=R_i，i=0,1,2,3......N-1，其中，R_i表示所述的移动机器人围绕墙行走过程中，不同时刻存储的无线信号强度值，其中，N为链表长度。链表L₀为环境的指纹地图，可用于遍历路径规划。

所述的处理器1设置遍历路径规划方法，所述的遍历路径规划方法包括以下步骤：

(1) 设置链表L₁={b(j)}，其中b(j)=R_j，j=0,1,2,3......M-1，其中，M为链表长度,设置表尾指针ep，指向链表L₁中最新数据的位置；

当所述的移动机器人19遇到障碍物时，所述的链表L₁用于存储绕障路径上等间距位置上的无线信号强度值，然后用所述的链表L₁中的数据与指纹地图的链表L₀进行匹配，区分时障碍物还是墙。

(2) 所述的移动机器人19离开所述的充电基座18，向左旋转并以沿着墙边行走，采用行走距离累计算法，计算所述的移动机器人19的行走距离d，当行走距离d>W时，其中，W为所述的移动机器人19的车身宽度，则存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y；进入步骤3；

所述的行走距离累计算法设置为：

初始化行走距离d=0；

设置计算周期T；

在当前计算周期T的初始时刻，存储初始位置x₀=x，y₀=y；

计算周期T结束时，计算当前计算周期T内所述的移动机器人的行走距离Δd=；

对Δd进行累计，可得行走距离d=d+Δd，然后进入下一个计算周期T。

所述的移动机器人19在规划路径的起点记录无线信号强度值和起始地址的坐标，为遍历路径规划做准备。

(3) 所述的移动机器人19进入向左循迹过程，循迹路径为无线信号强度等值线，即无线信号强度为Rx的路径；当所述的移动机器人19遇到障碍物时，存储无线信号强度值R，即ep=0，b(ep)=R，进入步骤4；

所述的向左循迹过程设置为：

当无线信号强度值R>Rx+δ，所述的移动机器人向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

因为无线信号是以发射源为中心向外辐射的，信号强度随着距离的增加而降低，具有连续性，沿着无线信号强度等值线行走，并且两个无线信号强度等值线之间保持一个车距的间距，就可以实现遍历路径规划。

当所述的移动机器人19检测到障碍物时，无法判断是障碍物还是墙，因此需要进行区分判断。

(4) 所述的移动机器人19以左侧沿着障碍物行走；采用行走距离累计算法，计算所述的移动机器人19的行走距离d，当距离d>10cm，存储无线信号强度值R至L₁，即ep++，b(ep)=R；当|R-Rx|<δ,返回步骤3；当ep等于M-1时，进入步骤5；

在所述的移动机器人19绕障过程中，需要判断两个条件：1、|R-Rx|<δ：如果遇到的是障碍物，那么所述的移动机器人19最终会绕过障碍物，重新回来原来的无线信号强度等值线上，从而完成绕障过程；2、如果所述的移动机器人19遇到的是墙，那么在绕障过程中需要等间距存储无线信号强度值R至L₁，当L₁存满后，进行数据分析与判断。

(5) 采用数据匹配算法，将链表L₁与链表L₀中的数据进行匹配，如果匹配成功则进入步骤6；如果匹配不成功，存储无线信号强度值R，即ep=0，b(ep)=R，则返回步骤4；

所述的数据匹配算法设置为：

计算链表L₁与L₀的匹配评价函数SAD值：SAD(i)=，其中i=0,1,2,3...,(N-M)，其中，SAD是Sum of absolute differences的缩写，是差的绝对值之和，数值越小，表示链表L₁与L₀中的数据越接近；

当SAD(i)取得最小值时，i等于min，其中0≤min≤N-M；如果SAD(min)<T同时|a(min)-Rx|<δ，则匹配成功，其中T是匹配阈值。

在步骤5中，链表L₁与链表L₀的数据匹配成功，则说明所述的移动机器人19遇到的是墙，因此应该结束绕障过程；相反，如果匹配不成功，则继续绕障，并进行数据存储。

(6) 所述的移动机器人19向右旋转并以右侧沿着墙边行走，当无线信号强度值R等于Rx时，计算所述的移动机器人沿着无线信号强度等值线的行走路径长度pace=，如果pace>K，其中K为遍历路径规划结束阈值，则继续规划路径，沿墙行走距离d>W，然后存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y，进入步骤7；否则，结束遍历路径规划；

步骤6是所述的移动机器人19判断当前遇到的是墙的情况下，需要回到原来的无线信号强度等值线上，并且判断是否应该结束遍历路径规划：判断方法是计算这次规划路径的长度，即上述的pace，如果pace小于K，则判断所述的移动机器人19进入环境中的顶部区域，可结束遍历路径规划过程。

下列步骤7-10为向右的路径规划过程，与上述过程3-6的方向相反。

(7)所述的移动机器人19进入向右循迹过程，循迹路径为无线信号强度等值线，无线信号强度为Rx的路径；当所述的移动机器人19遇到障碍物时，存储无线信号强度值R，即ep=0，b(ep)=R，进入步骤8；

所述的向右循迹过程设置为：

当R>Rx+δ，所述的移动机器人19向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

(8) 所述的移动机器人19向左旋转并以左侧沿着障碍物行走；采用行走距离累计算法，计算所述的移动机器人19走过的距离d，当距离d>10cm，存储无线信号强度值R至L₁，即ep++，b(ep)=R；当|R-Rx|<δ,返回步骤7；当ep等于M-1时，进入步骤9；

(9) 采用数据匹配算法，将链表L₁与链表L₀中的数据进行匹配，如果匹配成功则进入步骤10；如果匹配不成功，存储无线信号强度值R，即ep=0，b(ep)=R，则返回步骤8；

(10) 所述的移动机器人19向右旋转并以右侧沿着墙边行走，当无线信号强度值R等于Rx时，计算所述的移动机器人19沿着无线信号强度等值线的行走路径长度pace=，如果pace>K，则继续规划路径，向左旋转并以左侧沿墙行走距离d>W，然后存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y，返回步骤3；否则，结束遍历路径规划。

Claims (5)

1.一种基于指纹地图的室内移动机器人遍历路径规划方法，所述的移动机器人包括驱动轮和与所述的驱动轮连接的驱动电机以及设置在所述的移动机器人前端的充电电极公端，所述的移动机器人内部设置主控电子装置，所述的主控电子装置包括进行集中控制的处理器，与所述的处理器连接的电机驱动电路，所述的电机驱动电路与所述的驱动电机连接，与所述的处理器连接的障碍物检测电路，用于进行避障和路径规划，与所述的处理器连接的惯性导航系统，用于计算所述的移动机器人的位置(x,y)和方向θ，还包括与所述的处理器连接的充电电路，所述的充电电路与所述的充电电极公端连接，所述的充电电路输出连接所述的充电电池，所述充电电池输出连接第二电源电路，所述的第二电源电路为后续电路提供电源；所述的充电基座包括充电电极母端、电源插孔，以及充电控制电子装置，所述的充电控制电子装置设置了进行集中控制的控制器，与所述电源插孔连接的第一电源电路和滤波电路，与所述的滤波电路连接的开关管，所述的开关管由所述的控制器控制，输出连接电流检测电路，所述的电流检测电路连接所述的充电电极母端，所述的电流检测电路将电流信号转换成电压信号给所述的控制器，所述的充电控制电子装置，设置与所述的控制器连接的第一WIFI模块，所述的第一WIFI模块设置为AP模式，所述的主控电子装置设置与所述的处理器连接的第二WIFI模块，所述的第二WIFI模块设置为STA模式，所述的处理器可获取所述的第二WIFI模块接收到的无线信号强度值RSSI，记为R，以及所述的处理器内部设置链表L₀={a(i)}，其中a(i)=R_i，i=0,1,2,3......N-1，其中，R_i表示所述的移动机器人围绕墙行走过程中，不同时刻存储的无线信号强度值，其中，N为链表长度，其在于特征是：所述的处理器设置遍历路径规划方法，所述的遍历路径规划方法包括以下步骤：

(1) 设置链表L₁={b(j)}，其中b(j)=R_j，j=0,1,2,3......M-1，其中，M为链表长度,设置表尾指针ep，指向链表L₁中最新数据的位置；

(2) 所述的移动机器人离开所述的充电基座，向左旋转并以沿着墙边行走，采用行走距离累计算法，计算所述的移动机器人的行走距离d，当行走距离d>W时，其中，W为所述的移动机器人的车身宽度，则存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y；进入步骤3；

(3) 所述的移动机器人进入向左循迹过程，循迹路径为无线信号强度等值线，即无线信号强度为Rx的路径；当所述的移动机器人遇到障碍物时，存储无线信号强度值R，即ep=0，b(ep)=R，进入步骤4；

(4) 所述的移动机器人以左侧沿着障碍物行走；采用行走距离累计算法，计算所述的移动机器人的行走距离d，当距离d>10cm，存储无线信号强度值R至L₁，即ep++，b(ep)=R；当|R-Rx|<δ，其中δ设置为接近于零的阈值，返回步骤3；当ep等于M-1时，进入步骤5；

(5) 采用数据匹配算法，将链表L₁与链表L₀中的数据进行匹配，如果匹配成功则进入步骤6；如果匹配不成功，存储无线信号强度值R，即ep=0，b(ep)=R，则返回步骤4；

(6) 所述的移动机器人向右旋转并以右侧沿着墙边行走，当无线信号强度值R等于Rx时，计算所述的移动机器人沿着无线信号强度等值线的行走路径长度pace=，如果pace>K，其中K为遍历路径规划结束阈值，则继续规划路径，沿墙行走距离d>W，然后存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y，进入步骤7；否则，结束遍历路径规划；

(7)所述的移动机器人进入向右循迹过程，循迹路径为无线信号强度等值线，无线信号强度为Rx的路径；当所述的移动机器人遇到障碍物时，存储无线信号强度值R，即ep=0，b(ep)=R，进入步骤8；

(8) 所述的移动机器人向左旋转并以左侧沿着障碍物行走；采用行走距离累计算法，计算所述的移动机器人走过的距离d，当距离d>10cm，存储无线信号强度值R至L₁，即ep++，b(ep)=R;当|R-Rx|<δ,返回步骤7；当ep等于M-1时，进入步骤9；

(9) 采用数据匹配算法，将链表L₁与链表L₀中的数据进行匹配，如果匹配成功则进入步骤10；如果匹配不成功，存储无线信号强度值R，即ep=0，b(ep)=R，则返回步骤8；

(10) 所述的移动机器人向右旋转并以右侧沿着墙边行走，当无线信号强度值R等于Rx时，计算所述的移动机器人沿着无线信号强度等值线的行走路径长度pace=，如果pace>K，则继续规划路径，向左旋转并以左侧沿墙行走距离d>W，然后存储当前无线信号强度值Rx=R，记录起始地址P^S ₀(x^S ₀，y^S ₀)，即x^S ₀=x，y^S ₀=y，返回步骤3；否则，结束遍历路径规划。

2.根据权利要求1所述的一种基于指纹地图的室内移动机器人遍历路径规划方法，其特征是：所述的行走距离累计算法设置为：

初始化行走距离d=0；

设置计算周期T；

在当前计算周期T的初始时刻，存储初始位置x₀=x，y₀=y；

计算周期T结束时，计算当前计算周期T内所述的移动机器人的行走距离Δd=；

对Δd进行累计，可得行走距离d=d+Δd，然后进入下一个计算周期T。

3.根据权利要求1所述的一种基于指纹地图的室内移动机器人遍历路径规划方法，其特征是：所述的向左循迹过程设置为：

当R>Rx+δ，所述的移动机器人向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

4.根据权利要求1所述的一种基于指纹地图的室内移动机器人遍历路径规划方法，其特征是：所述的向右循迹过程设置为：

当R>Rx+δ，所述的移动机器人向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

5.根据权利要求1所述的一种基于指纹地图的室内移动机器人遍历路径规划方法，其特征是：所述的数据匹配算法设置为：

计算链表L₁与L₀的匹配评价函数SAD值：SAD(i)=，其中i=0,1,2,3...,(N-M)；

当SAD(i)取得最小值时，i等于min，其中0≤min≤N-M；如果SAD(min)<T同时|a(min)-Rx|<δ，则匹配成功，其中T是匹配阈值。