本发明涉及电梯导轨测量，更具体地说，它涉及一种基于双目视觉的电梯导轨自动测量系统。
背景技术：
1、电梯导轨作为电梯运行的基础支撑结构，直接影响着电梯的运行质量和乘客的安全，电梯导轨的垂直度和直线度是衡量其安装质量和维护状态的重要参数。
2、传统的电梯导轨测量方法通常是将激光垂准仪固定在电梯井道底部或者顶部，并进行校准使激光垂准仪发射的激光束垂直于水平面形成一条基准线，然后在电梯导轨的不同高度放置接收板，通过比较导轨上不同位置的激光落点与基准线的位置差异，获得导轨的垂直度，同理校准激光垂准仪使其发射的激光束沿着导轨长度方向形成一条基准线，通过比较导轨上不同位置的激光落点与基准线的位置差异，获得导轨的直线度。
3、然而上述方案需要人工设置接收板，操作繁琐，耗时较长，手动记录激光落点的位置，容易受人为误差的影响，此外，上述方案仅能静态测量电梯导轨的垂直度和直线度，无法捕捉电梯在运行过程导轨的动态变化，如果导轨在动态条件下存在较大的偏差或者形变，可能会导致电梯的使用寿命缩短，增加了电梯使用的安全隐患。
技术实现思路
1、本发明提供一种基于双目视觉的电梯导轨自动测量系统，解决上述背景技术中的技术问题。
2、本发明提供了一种基于双目视觉的电梯导轨自动测量系统，包括：
3、数据采集模块，其用于采集电梯从起始位置到终止位置上升和从终止位置到起始位置下降时的电梯导轨的视频数据和振动数据；
4、振动数据通过n个时间点的加速度值表示；
5、视频数据处理模块，其用于分别对电梯上升和下降时的电梯导轨的视频数据进行处理获得m个关键帧图像，并提取m个关键帧图像的图像特征；
6、图像特征通过1×a大小的向量表示；
7、振动数据处理模块，其用于分别对电梯上升和下降时的电梯导轨的振动数据进行处理获得m个时域数据，并提取m个时域数据的振动特征；
8、时域数据通过k个时间点的加速度值表示，k=n/m；
9、振动特征通过1×b大小的向量表示；
10、其中b=c+9，c=k，c分别对应时域数据归一化后的c个时间点的加速度值，9分别对应时域数据的加速度值的最大值、最小值、平均值、标准差、峰谷差、偏度、峰度、峭度指数和裕度指数；
11、特征序列构建模块，其用于分别对电梯上升和下降时的电梯导轨的m个关键帧图像的图像特征和m个时域数据的振动特征进行处理构建第一特征序列和第二特征序列；
12、第一特征序列包括m个序列单元，每个序列单元通过第一组合向量表示，第一组合向量通过将电梯上升时的关键帧图像的图像特征和时域数据的振动特征进行拼接获得；
13、第二特征序列包括m个序列单元，每个序列单元通过第二组合向量表示，第二组合向量通过将电梯下降时的关键帧图像的图像特征和时域数据的振动特征进行拼接获得；
14、导轨参数测量模块，其用于将第一特征序列和第二特征序列输入到预测模型，输出从起始位置到终止位置时电梯导轨的垂直度和直线度。
15、进一步地，起始位置、终止位置、n、m和a均为自定义参数。
16、进一步地，对电梯导轨的视频数据进行处理获得m个关键帧图像，包括以下步骤：
17、步骤s201，将电梯导轨的视频数据按照相同时间间隔进行分帧处理获得l个分帧图像，l＞m；
18、其中时间间隔为自定义参数；
19、步骤s202，通过结构相似性指数计算l个分帧图像中相邻两个分帧图像之间的相似度，并判断该相似度小于相似度阈值，则将后一个分帧图像作为关键帧图像；
20、其中相似度阈值为取值范围为0到1之间的自定义参数；
21、步骤s203，判断关键帧图像的数量大于m，则降低相似度阈值，判断关键帧图像的数量小于m，则提高相似度阈值，直至获得的关键帧图像的数量等于m。
22、进一步地，通过卷积神经网络模型提取关键帧图像的图像特征，卷积神经网络模型分别连接第一分类器和第二分类器，第一分类器的分类标签为电梯导轨的变形程度，包括：无变形、轻微变形和明显变形，第二分类器的分类标签为电梯导轨表面的裂缝数量，第一分类器和第二分类器的分类标签通过人工标注获得。
23、进一步地，以每个关键帧图像的时间点作为中心点，向前推移获得k/2个时间点的加速度值，向后推移获得k/2个时间点的加速度值，当向前推移获得的加速度值的数量不足k/2个，则继续向后推移以补充不足的数量，当向后推移获得加速度值的数量不足k/2个，则继续向前推移以补充不足的数量。
24、进一步地，峰谷差等于加速度值的最大值减去加速度值的最小值，峭度指数等于加速度值的最大值除以均方根值，裕度指数等于加速度值的最大值除以绝对平均值；
25、偏度skewness的计算公式如下：
26、；
27、峰度kurtosis的计算公式如下：
28、；
29、其中表示第k个时间点的加速度值，表示平均值，表示标准差。
30、进一步地，预测模型包括：第一隐藏层、第二隐藏层、第一提取层、第二提取层、拼接层、第四分类器和第五分类器；
31、第一隐藏层包括m个第一单元，第m个第一单元输入第一特征序列的第m个序列单元，输出第一更新向量，1≤m≤m；
32、第二隐藏层包括m个第二单元，第m个第二单元输入第二特征序列的第m个序列单元，输出第二更新向量；
33、第一提取层用于提取第一隐藏层的第m个第一单元输出的第一更新向量；
34、第二提取层用于提取第二隐藏层的第m个第二单元输出的第二更新向量；
35、拼接层用于将第一隐藏层的第m个第一单元输出的第一更新向量和第二隐藏层的第m个第二单元输出的第二更新向量进行拼接获得第三组合向量；
36、将第三组合向量分别输入到第四分类器和第五分类器；
37、第四分类器的分类标签表示从起始位置到终止位置时电梯导轨的垂直度；
38、第五分类器的分类标签表示从起始位置到终止位置时电梯导轨的直线度。
39、进一步地，第一隐藏层的第m个第一单元的计算公式包括：
40、；
41、；
42、；
43、；
44、；
45、；
46、其中表示第m个第一单元输出的第一更新向量，、、、和分别表示第m个第一单元的中间向量、第一门控输出值、第二门控输出值、第三门控输出值和第四门控输出值，和分别表示第i个第一单元的第二门控输出值和第三门控输出值，表示第m个第一单元输入的第一特征序列的第m个序列单元，表示第m-1个第一单元输入的第一特征序列的第m-1个序列单元，、、、和分别表示第m个第一单元的第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数，表示第m个第一单元的偏置参数，concat表示拼接操作，sigmoid表示sigmoid激活函数，exp表示自然常数的幂运算，表示逐点相乘。
47、进一步地，第二隐藏层的m个第二单元基于长短时记忆神经网络单元构建。
48、进一步地，通过激光垂准仪获得从起始位置到终止位置时电梯导轨的垂直度和直线度用于作为训练预测模型的训练样本的样本标签。
49、本发明的有益效果在于：本发明通过预测模型能够实时建立图像数据和振动数据与电梯导轨的垂直度和直线度之间的非线性映射关系，并且通过预测模型能够捕捉电梯在运行过程中导轨的动态变化，从而实现实时自动化测量电梯导轨在动态运行状态下的垂直度和直线度。
1.一种基于双目视觉的电梯导轨自动测量系统，其特征在于，包括：
2.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，起始位置、终止位置、n、m和a均为自定义参数。
3.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，对电梯导轨的视频数据进行处理获得m个关键帧图像，包括以下步骤：
4.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，通过卷积神经网络模型提取关键帧图像的图像特征，卷积神经网络模型分别连接第一分类器和第二分类器，第一分类器的分类标签为电梯导轨的变形程度，包括：无变形、轻微变形和明显变形，第二分类器的分类标签为电梯导轨表面的裂缝数量，第一分类器和第二分类器的分类标签通过人工标注获得。
5.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，以每个关键帧图像的时间点作为中心点，向前推移获得k/2个时间点的加速度值，向后推移获得k/2个时间点的加速度值，当向前推移获得的加速度值的数量不足k/2个，则继续向后推移以补充不足的数量，当向后推移获得加速度值的数量不足k/2个，则继续向前推移以补充不足的数量。
6.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，峰谷差等于加速度值的最大值减去加速度值的最小值，峭度指数等于加速度值的最大值除以均方根值，裕度指数等于加速度值的最大值除以绝对平均值；
7.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，预测模型包括：第一隐藏层、第二隐藏层、第一提取层、第二提取层、拼接层、第四分类器和第五分类器；
8.根据权利要求7所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，第一隐藏层的第m个第一单元的计算公式包括：
9.根据权利要求7所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，第二隐藏层的m个第二单元基于长短时记忆神经网络单元构建。
10.根据权利要求1所述的一种基于双目视觉的电梯导轨自动测量系统，其特征在于，通过激光垂准仪获得从起始位置到终止位置时电梯导轨的垂直度和直线度用于作为训练预测模型的训练样本的样本标签。
