CN114451830B - 激光清洗玻璃幕墙装置及其清洗方法 - Google Patents

Abstract

本发明公开了一种激光清洗玻璃幕墙装置及其清洗方法，包含：承载小车、承载支架、电池、脉冲激光器与执行模块；电池设置在承载小车上，电池与承载小车电性连接；脉冲激光器设置在承载小车上，脉冲激光器与电池电性连接；承载支架设置在承载小车上；执行模块设置在承载支架上，执行模块与脉冲激光器、电池相连。本发明解决了现有技术中人工清洗玻璃幕墙存在的人工成本高、安全系数低以及清洗使用的溶剂造成的二次污染的缺陷，具有清洗效率高的特点。

Description

激光清洗玻璃幕墙装置及其清洗方法

技术领域

本发明涉及激光清洗装置技术领域，特别涉及一种激光清洗玻璃幕墙装置及清洗方法。

背景技术

玻璃幕墙是一种美观新颖的建筑墙体装饰方法，是现代主义高层建筑时代的显著特征。但玻璃幕墙易粘灰尘/鸟粪之类的污染物，而传统的清洁方法主要由人工完成，不仅人工成本高，而且安全系数低。并且清洗使用的溶剂易残留在玻璃的表面从而产生二次污染。

发明内容

根据本发明实施例，提供了一种激光清洗玻璃幕墙装置及清洗方法，包含：承载小车、承载支架、电池、脉冲激光器与执行模块；

电池设置在承载小车上，电池与承载小车电性连接；

脉冲激光器设置在承载小车上，脉冲激光器与电池电性连接；

承载支架设置在承载小车上；

执行模块设置在承载支架上，执行模块与脉冲激光器、电池相连。

进一步，执行模块包含：机械臂主体、吊装保护线缆、执行组件、采集组件与控制器；

机械臂主体通过吊装保护线缆与承载支架相连，机械臂主体位于外部的玻璃幕墙的一侧；

控制器设置在机械臂主体上，控制器与电池电性连接；

执行组件设置在机械臂主体上，执行组件与控制器电性连接；

采集组件设置在机械臂主体上，采集组件与控制器电性连接。

进一步，执行组件包含：吸盘机械手、激光器清洗头与光缆；

吸盘机械手设置在机械臂主体上，吸盘机械手与控制器电性连接，吸盘机械手与玻璃幕墙相连；

激光器清洗头设置在机械臂主体上，激光器清洗头与控制器电性连接，激光器清洗头通过光缆与脉冲激光器相连。

进一步，采集组件包含：热成像采集器、超声测距仪、面阵激光雷达与高清摄像头；

热成像采集器设置在机械臂主体上，热成像采集器与控制器电性连接；

超声测距仪设置在机械臂主体上，超声测距仪与控制器电性连接；

面阵激光雷达设置在机械臂主体上，面阵激光雷达与控制器电性连接；

高清摄像头设置在机械臂主体上，高清摄像头与控制器电性连接。

进一步，机械臂主体包含：机械臂底座、承载立柱、第一可旋转机械臂与第二可旋转机械臂；

机械臂底座与吊装保护线缆相连，机械臂底座与控制器电性连接，洗盘机械手设置在机械臂底座的一侧的侧壁上；

承载立柱设置在机械臂底座的一侧的侧壁上；

第一可旋转机械臂设置在承载立柱上，第一可旋转机械臂与控制器电性连接，用于承载面阵激光雷达、高清摄像头与超声测距仪；

第二可旋转机械臂设置在承载立柱上，第二可旋转机械臂与控制器电性连接，第二可旋转机械臂位于第一可旋转机械臂与机械臂底座之间，用于承载激光器清洗头与热成像采集器。

根据本发明的又一实施例，提供了一种激光清洗玻璃幕墙装置的玻璃幕墙清洗方法，其特征在于，包含如下步骤：

S1：控制机械臂主体移动至玻璃幕墙的清洗区域，吸盘机械手吸附玻璃幕墙；

S2：对玻璃幕墙进行数据采集，获得距离数据、第一3D点云数据与第一平面图像数据；

S3：综合处理距离数据、第一3D点云数据与第一平面图象数据，获得污染物的污染物类型数据、标记出污染物的第二污染物像素坐标数据与污染物的污染物深度数据；

S4：综合处理污染物类型数据、第二污染物像素坐标数据、污染物深度数据与污染物距离数据，获得激光器清洗头的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置；

S5：控制器根据激光输出功率、激光输出频率、激光清洗地图与激光焦点位置控制激光器清洗头发射激光清洗玻璃幕墙；

S6：重复执行S2~S3，获得清洗后的玻璃幕墙的第三污染物像素坐标数据；

S7：对比第三污染物像素坐标数据与第二污染物像素坐标数据，判断玻璃幕墙的清洗程度，若玻璃幕墙清洗程度不达标，则重新执行S2~ S7，直到玻璃幕墙的清洗程度达标，结束本次清洗作业。

进一步，当控制器控制激光器清洗头发射激光清洗玻璃幕墙时，控制器控制热成像采集器实时监测激光器清洗头的清洗位置的温度，当清洗位置的温度超过阈值范围时，控制器控制激光器清洗头关闭，直至清洗区域的温度下降阈值范围内。

进一步，S2：对玻璃幕墙进行数据采集，获得距离数据、第一3D点云数据与第一平面图像数据包含如下子步骤：

S21：启动超声测距仪，采集实时机械臂主体到实时玻璃幕墙之间的距离数据；

S22:启动面阵激光雷达，采集玻璃幕墙的第一3D点云数据；

S23：启动高清摄像头，采集玻璃幕墙的第一平面图象数据。

进一步，S3：综合处理距离数据、第一3D点云数据与第一平面图象数据，获得污染物的污染物类型数据、标记出污染物的第二污染物像素坐标数据与污染物的污染物深度数据，包含如下子步骤：

S31：结合距离数据过滤处理第一3D点云数据，获得玻璃幕墙的污染物的第二3D点云数据；

S32：投射第二3D点云数据于高清摄像头的像素坐标系中，获得污染物的第一污染物像素坐标数据与污染物深度数据；

S33：融合处理第一污染物像素坐标数据与第一平面图像数据，获得污染物的污染物图像数据；

S34：控制器的YOLOV5模型获取污染物图像数据，获得污染物的污染物类型数据与标记出污染物的第二污染物像素坐标数据。

进一步，S4：综合处理污染物类型数据、第二污染物像素坐标数据、污染物深度数据与污染物距离数据，获得激光器清洗头的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置包含如下子步骤：

S41:转换处理第二污染物像素坐标数据与污染物深度数据，获得污染物的污染物实际坐标数据与污染物厚度数据；

S42:投射污染物实际坐标数据于激光清洗头的坐标系中，获得污染物的污染物清洗坐标数据；

S43:处理污染物类型数据与污染物厚度数据，获得激光器清洗头的激光输出功率、激光输出频率与激光清洗地图；

S44：控制器根据距离数据获得激光器清洗头的激光焦点位置。

根据本发明实施例的激光清洗玻璃幕墙装置及其清洗方法，解决了现有技术中人工清洗玻璃幕墙存在的人工成本高、安全系数低以及清洗使用的溶剂造成的二次污染的缺陷，具有清洗效率高的特点。

要理解的是，前面的一般描述和下面的详细描述两者都是示例性的，并 且意图在于提供要求保护的技术的进一步说明。

附图说明

图1为根据本发明实施例激光清洗玻璃幕墙装置的原理图；

图2为根据本发明实施例激光清洗玻璃幕墙装置的机械臂主体、采集组件与执行组件的装配示意图；

图3为根据本发明实施例清洗玻璃幕墙装置的玻璃幕墙清洗方法的步骤流程图；

图4为图3中步骤S2的子步骤的流程图；

图5为图3中步骤S3的子步骤的流程图；

图6为图3中步骤S4的子步骤的流程图。

具体实施方式

以下将结合附图，详细描述本发明的优选实施例，对本发明做进一步阐述。

首先，将结合图1~6描述根据本发明实施例的激光清洗玻璃幕墙6装置及清洗方法，用于清洗玻璃幕墙6，其应用场景广阔。

如图1~2所示，本发明实施例的激光清洗玻璃幕墙6装置，包含：承载小车1、承载支架2、电池3、脉冲激光器4与执行模块。

具体地，如图1所示，电池3设置在承载小车1上，电池3与承载小车1电性连接，电池3采用可充电的锂电池3组件；脉冲激光器4设置在承载小车1上，脉冲激光器4与电池3电性连接，脉冲激光器4采用1064nm波长，500W风冷脉 冲激光器，而采用脉冲激光器4可以更好地控制热量输入，防止玻璃基材温度过高或产生微熔；承载支架2设置在承载小车1上；执行模块设置在承载支架2上，执行模块与脉冲激光器4、电池3相连。

进一步，如图1所示，执行模块包含：机械臂主体、吊装保护线缆52、执行组件、采集组件与控制器55；机械臂主体通过吊装保护线缆52与承载支架2相连，机械臂主体位于外部的玻璃幕墙6的一侧；控制器55设置在机械臂主体上，控制器55与电池3电性连接，控制器55采用高性能嵌入式CPU，可实时控制脉冲激光器4输出激光的运动路径和输出能量，以及吸盘的运动控制。并通过机械组件，可实时控制摄像头，面阵激光雷达543和超声测距仪542的移动，并且通过高速通讯接口获取激光雷达采集的3D点云数据，高清摄像头544数据，以及超声测距数据。并可和VisionSeed硬件模组通讯获取深度学习数据，去识别玻璃上的污染物；执行组件设置在机械臂主体上，执行组件与控制器55电性连接；采集组件设置在机械臂主体上，采集组件与控制器55电性连接。

进一步，如图1所示，执行组件包含：吸盘机械手531、激光器清洗头532与光缆533；吸盘机械手531设置在机械臂主体上，吸盘机械手531与控制器55电性连接，吸盘机械手531与玻璃幕墙6相连；激光器清洗头532设置在机械臂主体上，激光器清洗头532与控制器55电性连接，激光器清洗头532通过光缆533与脉冲激光器4相连，脉冲激光器4通过光缆533连接到激光输出头，输出头再接入振镜运动控制组件，从而实现激光器清洗头532的激光输出的运动控制。

进一步，如图1所示，采集组件包含：热成像采集器541、超声测距仪542、面阵激光雷达543与高清摄像头544；热成像采集器541设置在机械臂主体上，热成像采集器541与控制器55电性连接；超声测距仪542设置在机械臂主体上，超声测距仪542与控制器55电性连接，超声测距仪542采用TDK微型超声测距模块，TDK微型超声测距模块是基于Chirp专利MEMS技术的微型超低功率超声波飞行时间（ToF）距离传感器。，TDK微型超声测距模块的测量速度快，并可以在包括全日照在内的任何照明条件下工作，并提供毫米级的精确距离测量，可通过网口高速传输数据给控制器55；面阵激光雷达543设置在机械臂主体上，面阵激光雷达543与控制器55电性连接；高清摄像头544设置在机械臂主体上，高清摄像头544与控制器55电性连接，高清摄像头544采用VisionSeed硬件模组，内置了NPU的摄像头模组，NPU中有 专门执行卷积、Maxpool、ReLU的加速单元。内嵌AI算法和强大的AI算力。具有深度学习功能。

进一步，如图1~2所示，机械臂主体包含：机械臂底座511、承载立柱512、第一可旋转机械臂513与第二可旋转机械臂514；机械臂底座511与吊装保护线缆52相连，机械臂底座511与控制器55电性连接，洗盘机械手设置在机械臂底座511的一侧的侧壁上；承载立柱512设置在机械臂底座511的一侧的侧壁上；第一可旋转机械臂513设置在承载立柱512上，第一可旋转机械臂513与控制器55电性连接，用于承载面阵激光雷达543、高清摄像头544与超声测距仪542；第二可旋转机械臂514设置在承载立柱512上，第二可旋转机械臂514与控制器55电性连接，第二可旋转机械臂514位于第一可旋转机械臂513与机械臂底座511之间，用于承载激光器清洗头532与热成像采集器541。

当设备运行时，首先，使用者控制承载小车1行驶至建筑物的顶部的边缘位置，机械臂底座511带动承载立柱512、第一可旋转机械臂513、第二可旋转机械臂514下降至建筑物的玻璃幕墙6的清洗区域的中心位置，控制器55控制洗盘机械手抓住玻璃幕墙6，其次，控制器55控制超声测距仪542、面阵激光雷达543、高清摄像头544对玻璃幕墙6的清洗区域进行信息采集，然后，控制器55根据超声测距仪542、面阵激光雷达543、高清摄像头544采集到的玻璃幕墙6的信息来控制激光器清洗头532的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置，最后，控制器55控制激光器清洗头532对玻璃幕墙6的清洗区域进行清洗，在激光器清洗头532对玻璃幕墙6进行清洗的同时，控制器55控制热成像采集器541对玻璃幕墙6的清洗位置的温度进行实时检测，当玻璃幕墙6的清洗位置的温度超出预先设置的阈值范围时，激光器清洗头532停止清洗作业，当玻璃幕墙6的清洗位置的温度下降至预先设置的阈值范围内时，激光器清洗头532继续清洗作业，避免对玻璃幕墙6的基材造成损伤。

以上结合附图1~2描述了本发明实施例的激光清洗玻璃幕墙6装置，解决了现有技术中人工清洗玻璃幕墙6存在的人工成本高、安全系数低以及清洗使用的溶剂造成的二次污染的缺陷，具有清洗效率高的特点。

进一步地，本发明的又一实施例为清洗玻璃幕墙6装置的玻璃幕墙6清洗方法。

如图3所示，本发明实施例的激光清洗玻璃幕墙6装置的玻璃幕墙6清洗方法，包含如下步骤：

在步骤S1中：控制机械臂主体移动至玻璃幕墙6的清洗区域的中心位置，吸盘机械手531吸附玻璃幕墙6。

在步骤S2中：对玻璃幕墙6进行数据采集，获得距离数据、第一3D点云数据与第一平面图像数据。

在步骤S3中：综合处理距离数据、第一3D点云数据与第一平面图象数据，获得污染物的污染物类型数据、标记出污染物的第二污染物像素坐标数据与污染物的污染物深度数据。

在步骤S4中：综合处理污染物类型数据、第二污染物像素坐标数据、污染物深度数据与污染物距离数据，获得激光器清洗头532的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置。

在步骤S5中：控制器55根据激光输出功率、激光输出频率、激光清洗地图与激光焦点位置控制激光器清洗头532发射激光清洗玻璃幕墙6。

在步骤S6中：重复执行S2~S3，获得清洗后的玻璃幕墙6的第三污染物像素坐标数据。

在步骤S7中：对比第三污染物像素坐标数据与第二污染物像素坐标数据，判断玻璃幕墙6的清洗程度，若玻璃幕墙6清洗程度不达标，则重新执行S2~ S7，直到玻璃幕墙6的清洗程度达标，结束本次清洗作业。

进一步，如图3所示，当控制器55控制激光器清洗头532发射激光清洗玻璃幕墙6时，控制器55控制热成像采集器541实时监测激光器清洗头532的清洗位置的温度，当清洗位置的温度超过阈值范围时，控制器55控制激光器清洗头532关闭，直至清洗区域的温度下降阈值范围内。

进一步，如图4所示，S2：对玻璃幕墙6进行数据采集，获得距离数据、第一3D点云数据与第一平面图像数据包含如下子步骤：

在步骤S21中：启动超声测距仪542，采集实时机械臂主体到实时玻璃幕墙6之间的距离数据。

在步骤S22中:启动面阵激光雷达543，采集玻璃幕墙6的第一3D点云数据。

在步骤S23中：启动高清摄像头544，采集玻璃幕墙6的第一平面图象数据。

进一步，如图5所示，S3：综合处理距离数据、第一3D点云数据与第一平面图象数据，获得污染物的污染物类型数据、标记出污染物的第二污染物像素坐标数据与污染物的污染物深度数据，包含如下子步骤：

在步骤S31中：结合距离数据过滤处理第一3D点云数据，获得玻璃幕墙6的污染物的第二3D点云数据，用于滤除大于距离数据的点云数据与明显的离群点，有效的过滤掉了通过玻璃生成的点云数据。

在步骤S32中：投射第二3D点云数据于高清摄像头544的像素坐标系中，获得污染物的第一污染物像素坐标数据与污染物深度数据。

在步骤S33中：融合处理第一污染物像素坐标数据与第一平面图像数据，获得污染物的污染物图像数据，第一平面图像数据只保留污染物像素坐标对应的图像数据，有效过滤掉了反射生成的图像数据和投射生成的图像数据。

在步骤S34中：控制器55的YOLOV5模型获取污染物图像数据，获得污染物的污染物类型数据与标记出污染物的第二污染物像素坐标数据。

进一步，如图6所示，S4：综合处理污染物类型数据、第二污染物像素坐标数据、污染物深度数据与污染物距离数据，获得激光器清洗头532的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置包含如下子步骤：

在步骤S41中:转换处理第二污染物像素坐标数据与污染物深度数据，获得污染物的污染物实际坐标数据与污染物厚度数据。

在步骤S42中:投射污染物实际坐标数据于激光清洗头的坐标系中，获得污染物的污染物清洗坐标数据。

在步骤S43中:处理污染物类型数据与污染物厚度数据，获得激光器清洗头532的激光输出功率、激光输出频率与激光清洗地图，根据激光清洗地图可有效提高清洗速度，对于不需要清洗的区域关闭激光输出，同时针对不同种类的污染物使用不同功率、普通频率的激光，在有效去除污染物的同时避免对玻璃幕墙6的基材造成损伤。

在步骤S44中：控制器55根据距离数据获得激光器清洗头532的激光焦点位置，以使得作用到污染物上的能量最大，从而快速有效的去除污染物。

本发明采用激光清洗技术，就是利用一定波长的激光所产生的高频率振动，把物体表面的附着物震碎;利用激光所产生的瞬间高温使附着物剥离基材表面，从而达到清洗的目的。为了准确识别玻璃以及玻璃上的污染物，本发明采用面阵激光雷达543，超声测距仪542，以及高清摄像头544融合识别算法，以及深度学习算法，完成对玻璃表面灰尘/鸟粪/油漆等污染物的识别，从而规划玻璃幕墙6的清洗路径，以及激光波长和激光功率。为了实现玻璃幕墙6高效灵活的清洗，采用机体分离技术。脉冲激光器4设置在建筑物的顶部，激光器清洗头532安装在机械臂主体上，激光清洗头通过光缆533连接到脉冲激光器4上。洗盘机械手采用GECKO壁虎吸盘组件，无需气源，通过电机即可直接控制吸盘的释放和吸附。

激光清洗机器人首先控制带有高清摄像头544，面阵激光雷达543和超声测距仪542的机械臂主体移动到玻璃幕墙6需要清洗的区域中心位置。首先通过超声测距仪542测量出到玻璃的距离(即距离数据），面阵激光雷达543扫描玻璃，生成第一3D点云数据，根据超声测距仪542测出到玻璃的距离，只保留玻璃和玻璃上污染物的3D点云数据（即第二3D点云数据）。把即第二3D点云数据投影到摄像头的像素坐标系中，把污染物的第二3D点云数据转换为2D 像素坐标(即第一污染物像素坐标数据)，然后融合到高清摄像头544拍摄的二维图像（即第一平面图像数据）中。融合后的图像只保留污染物的像素数据(即污染物图像数据)，把该图像作为数据源送入到控制器55的深度学习模型（YOLOV5模型）中，检测出污染物的污染物类型数据，以及污染物的边缘轮廓。标记了污染物边缘轮廓的2D数据再融合激光雷达3D数据（即第一平面图象数据）生成只包含污染物的3D数据(即污染物图像数据)，该3D数据再投影到激光清洗头的坐标系中，从而把玻璃上污染物坐标以及厚度转换为了激光清洗头的坐标系中的坐标数据，控制器55的主控板根据这些数据生成激光清洗地图，设定脉冲激光器4的激光输出功率和激光输出频率。然后控制器55控制清洗头移动到激光清洗地图的左下角，通过获取到玻璃的距离数据，激光器清洗头532内的控制振镜微型马达，调整聚焦镜的位置，进而调节激光器清洗头532的焦点位置，以行扫描的方式针对污染物输出脉冲激光，对于不需要清洗的部分，将关闭激光输出。在对污染物清洗时，还实时通过热成像采集器541测量清洗区域的温度，当温度超过阈值时，将关闭激光输出，从而防止激光伤害到玻璃幕墙6的基材。 当该区域玻璃清洗完毕。面阵激光雷达543再次扫描玻璃，生成的3D数据通过和高清摄像头544拍摄的图像做数据融合处理后，拍摄融合后的图像数据送入到YOLOV5模型中，生成新的污染物玻璃图（即第三污染物像素坐标数据）。通过比较第三污染物像素坐标数据与第二污染物像素坐标数据，来确定该区域是否清洗干净。如区域内还有污染物，再次执行清洗任务。否则清洗干净后，清洗机器人移动到下一个需要清洗的区域。如此循环往复，使得整个玻璃幕墙6清洗完毕。

机器视觉在检测玻璃时，很可能因为玻璃的通透性和镜面反射性，导致检测到玻璃后面的物体以及反射物的图 像。从而导致无法正确识别玻璃上的污染物，以及到玻璃的距离。为了解决这个问题，需要构建一个针对玻璃污 染物检测数据集，通过深度学习模型训练，完成玻璃污染物类型的识别。因为在嵌入式环境中进行深度学习，需 要很高的AI算力，以及满足检测的实时性。因此本发明采用内置了NPU的摄像头VisionSeed硬件模组，NPU中有专 门执行卷积、Maxpool、ReLU的加速单元，包含这三类运算的模型能得到最大程度的提速。本发明采用的深度学 习模型是YOLOV5，YOLOv5训练出来的数据集更加轻量级，在进行模型推理时，无论是加载模型的速度还是对测试 图片的推理速度，都更快。但原始的YOLOv5模型存在NPU不支持的MISH激活函数，因此要将所有的激活函数换成 ReLU以便于NPU加速；为了进一步加快推理速度和缩小模型，对骨干网络的channel数进行按比例缩减。

1.1数据集构建

可使用无人机从玻璃幕墙6外部拍摄有污染物（泥土/鸟粪/油漆等）的玻璃图像，无人机上安装有双目摄像头 的VisionSeed硬件模组，以及微型超声波传感器。 无人机首先通过超声波传感器获取到玻璃的距离，再通过双目摄像头拍摄含有污染物的玻璃照片，可同时生 成3D点云数据和平面图像数据。3D点云数据根据到玻璃的距离，先过滤掉超过该距离的数据。只保留玻璃和玻璃 上的点云数据。3D数据投影到平面图像中做融合处理，使得平面图像只保留玻璃以及玻璃上的污染物的真实图像 数据。 使用Roboflow以YOLO格式自动标记数据.所构建的玻璃污染物检测数据集包括多种污染物（泥土/鸟粪/油 漆），并涵盖了各种玻璃类型（例如，中空玻璃、低辐射镀膜玻璃、彩釉钢化玻璃、浮法玻璃、钢化玻璃、半钢 化玻璃等） ，以及各个时间段，多种天气情况下，（例如晴天，雨天，雪天，多云等），多种角度下拍摄的图 片。图片至少2000张。

1.2 数据集训练

因为图像数据都已经处理过了，因此选择了最小、最快的YOLOv5基本模型Yolov5s，Yolov5s网络是Yolov5系 列中深度最小，特征图的宽度最小的网络。 配置好选用的Yolov5s网络模型后，运行训练命令，就可生成训练好的模型。

1.3 模型测试

在有标注的测试集或者验证集上进行模型效果的评估。

1.4 模型推理

最后，模型在没有标注的数据集上进行推理，用以测试模型。

以上，参照图3~6描述了根据本发明实施例的清洗玻璃幕墙装置的玻璃幕墙清洗方法，有效的滤除了透射光线与反射光线的不良影响，具有清洗效率高、清洗精度高的特点。

需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (4)

1.一种激光清洗玻璃幕墙装置的玻璃幕墙清洗方法，其特征在于，包含如下步骤：

S1：控制机械臂主体移动至玻璃幕墙的清洗区域，吸盘机械手抓取所述玻璃幕墙；

S2：对所述玻璃幕墙进行数据采集，获得距离数据、第一3D点云数据与第一平面图像数据；

S3：综合处理所述距离数据、所述第一3D点云数据与所述第一平面图像数据，获得污染物的污染物类型数据、标记出所述污染物的第二污染物像素坐标数据与所述污染物的污染物深度数据；

S31：结合所述距离数据过滤处理所述第一3D点云数据，获得所述玻璃幕墙的污染物的第二3D点云数据；

S32：投射所述第二3D点云数据于高清摄像头的像素坐标系中，获得所述污染物的第一污染物像素坐标数据与污染物深度数据；

S33：融合处理所述第一污染物像素坐标数据与所述第一平面图像数据，获得所述污染物的污染物图像数据；

S34：控制器的YOLOV5模型获取所述污染物图像数据，获得所述污染物的污染物类型数据与标记出所述污染物的第二污染物像素坐标数据；

S4：综合处理所述污染物类型数据、所述第二污染物像素坐标数据、所述污染物深度数据与所述污染物距离数据，获得激光器清洗头的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置；

S5：控制器根据所述激光输出功率、所述激光输出频率、所述激光清洗地图与所述激光焦点位置控制所述激光器清洗头发射激光清洗所述玻璃幕墙；

S6：重复执行所述S2~S3，获得清洗后的所述玻璃幕墙的第三污染物像素坐标数据；

S7：对比所述第三污染物像素坐标数据与所述第二污染物像素坐标数据，判断所述玻璃幕墙的清洗程度，若所述玻璃幕墙清洗程度不达标，则重新执行所述S2~S7，直到所述玻璃幕墙的清洗程度达标，结束本次清洗作业。

2.如权利要求1所述激光清洗玻璃幕墙装置的玻璃幕墙清洗方法，其特征在于，当所述控制器控制所述激光器清洗头发射激光清洗所述玻璃幕墙时，所述控制器控制热成像采集器实时监测所述激光器清洗头的清洗位置的温度，当所述清洗位置的温度超过阈值范围时，所述控制器控制所述激光器清洗头关闭，直至所述清洗区域的温度下降阈值范围内。

3.如权利要求1所述激光清洗玻璃幕墙装置的玻璃幕墙清洗方法，其特征在于，所述S2：对所述玻璃幕墙进行数据采集，获得距离数据、第一3D点云数据与第一平面图像数据包含如下子步骤：

S21：启动超声测距仪，采集实时机械臂主体到实时玻璃幕墙之间的距离数据；

S22:启动面阵激光雷达，采集所述玻璃幕墙的第一3D点云数据；

S23：启动高清摄像头，采集所述玻璃幕墙的第一平面图象数据。

4.如权利要求1所述激光清洗玻璃幕墙装置的玻璃幕墙清洗方法，其特征在于，所述S4：综合处理所述污染物类型数据、所述第二污染物像素坐标数据、所述污染物深度数据与所述污染物距离数据，获得所述激光器清洗头的激光输出功率、激光输出频率、激光清洗地图与激光焦点位置包含如下子步骤：

S41:转换处理所述第二污染物像素坐标数据与所述污染物深度数据，获得所述污染物的污染物实际坐标数据与污染物厚度数据；

S42:投射所述污染物实际坐标数据于所述激光清洗头的坐标系中，获得所述污染物的污染物清洗坐标数据；

S43:处理所述污染物类型数据与所述污染物厚度数据，获得所述激光器清洗头的激光输出功率、激光输出频率与激光清洗地图；

S44：所述控制器根据所述距离数据获得所述激光器清洗头的激光焦点位置。

Images