美文网首页
稀疏光流跟踪

稀疏光流跟踪

作者: zjh3029 | 来源:发表于2017-10-29 20:19 被阅读0次
#include <opencv2\opencv.hpp>

using namespace std;
using namespace cv;
void tracking(Mat &frame, Mat &output);
bool addNewPoints();
bool acceptTrackedPoint(int i);
//  描述:声明全局变量
string window_name = "optical flow tracking";
Mat gray;   // 当前图片
Mat gray_prev;  // 预测图片
vector<Point2f> points[2];  // point0为特征点的原来位置,point1为特征点的新位置
vector<Point2f> initial;    // 初始化跟踪点的位置
vector<Point2f> features;   // 检测的特征
int maxCount = 500; // 检测的最大特征数
double qLevel = 0.01;   // 特征检测的等级
double minDist = 10.0;  // 两特征点之间的最小距离
vector<uchar> status;   // 跟踪特征的状态,特征的流发现为1,否则为0
vector<float> err;
//输出相应信息和OpenCV版本-----

int main()
{
    Mat frame;
    Mat result;
    VideoCapture capture(0);

    for (Mat frame;waitKey(1)!=27;)
    {
        capture >> frame;
        tracking(frame, result);
    }
    return 0;
}

void tracking(Mat &frame, Mat &output)
{
    cvtColor(frame, gray, CV_BGR2GRAY);
    frame.copyTo(output);
    // 添加特征点
    if (addNewPoints())
    {
        goodFeaturesToTrack(gray, features, maxCount, qLevel, minDist);
        points[0].insert(points[0].end(), features.begin(), features.end());
        initial.insert(initial.end(), features.begin(), features.end());
    }

    if (gray_prev.empty())
    {
        gray.copyTo(gray_prev);
    }
    // l-k光流法运动估计
    calcOpticalFlowPyrLK(gray_prev, gray, points[0], points[1], status, err);
    // 去掉一些不好的特征点
    int k = 0;
    for (size_t i = 0; i<points[1].size(); i++)
    {
        if (acceptTrackedPoint(i))
        {
            initial[k] = initial[i];
            points[1][k++] = points[1][i];
        }
    }
    points[1].resize(k);
    initial.resize(k);
    // 显示特征点和运动轨迹
    for (size_t i = 0; i<points[1].size(); i++)
    {
        line(output, initial[i], points[1][i], Scalar(0, 0, 255));
        circle(output, points[1][i], 3, Scalar(0, 255, 0), -1);
    }

    // 把当前跟踪结果作为下一此参考
    swap(points[1], points[0]);
    swap(gray_prev, gray);
    imshow(window_name, output);
}

//  检测新点是否应该被添加
// return: 是否被添加标志
bool addNewPoints()
{
    return points[0].size() <= 10;
}

//决定哪些跟踪点被接受
bool acceptTrackedPoint(int i)
{
    return status[i] && ((abs(points[0][i].x - points[1][i].x) + abs(points[0][i].y - points[1][i].y)) > 2);
}

相关文章

  • 稀疏光流跟踪

  • LK光流跟踪

    一、什么是光流? 在前几篇文章中,我们介绍了2D-2D、3D-2D、3D-3D等相机位姿估计方法,它们都是在特征点...

  • 稠密光流跟踪

  • Lucas-Kanade稀疏光流法

    光流法 光流 由于目标对象或者摄像机的移动造成的图像对象在连续两帧图像中的移动被称为光流。如下图所示,它是一个 2...

  • 人工智能课第二次

    AI Car 第二次展示报告 实现的功能 功能介绍 目标跟踪算法 理论基础 我们的算法是基于光流法的。 光流法是一...

  • 特征点跟踪之LK光流法

    一般而言,LK光流用于特征点的跟踪,即前一帧中的关键像素到当前帧所对应的位置 LK光流会有一些假设: 灰度不变假设...

  • 光伏跟踪

  • 光流

    https://blog.csdn.net/qq_41368247/article/details/82562165

  • 人言落日是天涯——读《善哉善哉,就你话多》

    傍晚时分天色渐暗,站在窗前入目是几朵流云稀疏,想看看落日尽头的天涯,在钢筋水泥的丛林掩映下,只能看见一簇光微弱的照...

  • 三行诗|漂泊

    推开前方的窗 透过路口的光 稀疏的人影在流浪

网友评论

      本文标题:稀疏光流跟踪

      本文链接:https://www.haomeiwen.com/subject/oqfupxtx.html