LK光流法

最新推荐文章于 2025-05-16 11:53:34 发布

置顶 td092

最新推荐文章于 2025-05-16 11:53:34 发布

阅读量2.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器人

欢迎交流，有评论就更

本文链接：https://blog.csdn.net/weixin_38258767/article/details/109105018

机器人专栏收录该内容

63 篇文章

订阅专栏

光流是用来描述特征点在图像上的运动的属性。
特征点的灰度值可以表示为：
在这里插入图片描述
这里，一般假设运动过程中灰度不变，所以：

这里的 $V_x$ 、 $V_y$ 被称为光流。
LK光流法认为在一个小区域(3x3)内的光流是相同的，所以，上式可以扩展为：

为了适应较快的运动，LK光流法还引入了图像金字塔，迭代提升光流估计精度：
在这里插入图片描述
opencv提供了calcOpticalFlowPyrLK函数来计算光流，在计算光流之前，也可以通过goodFeaturesToTrack选择特征点，buildOpticalFlowPyramid设置金字塔。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
using namespace std;
using namespace cv;


int main()
{
  // pair of images and source points
  vector<Point2f> prevPts, nextPts;
  Mat prevImg = imread("RubberWhale1.png", IMREAD_GRAYSCALE);
  Mat nextImg = imread("RubberWhale2.png", IMREAD_GRAYSCALE);
  goodFeaturesToTrack(prevImg, prevPts, 100, 0.01, 2.0);

  // pyramids
  vector<Mat> prevPyr, nextPyr;
  Size winSize(21,21);
  int maxLevel = 3;
  buildOpticalFlowPyramid(prevImg, prevPyr, winSize, maxLevel, true);
  buildOpticalFlowPyramid(nextImg, nextPyr, winSize, maxLevel, true);
  
  vector<Mat> p1, p2;
  for (int i=0; i<prevPyr.size(); ++i) {
    p1.push_back(prevPyr[i]);
    p2.push_back(nextPyr[i]);
  }
  // compute sparse flow
  Mat status;
  calcOpticalFlowPyrLK(p1, p2, prevPts, nextPts, status, noArray(), winSize, maxLevel);
  cout << nextPts.size() << " points" << endl;

  return 0;
}