OpenCV视觉分析之目标跟踪(3)实现基于金字塔的 Lucas-Kanade 算法来进行稀疏光流计算的类SparsePyrLKOpticalFlow的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

用于计算稀疏光流的类。

该类可以使用带有金字塔的迭代 Lucas-Kanade 方法来计算稀疏特征集的光流

cv::SparsePyrLKOpticalFlow 类是 OpenCV 库中的一个类,用于实现基于金字塔的 Lucas-Kanade 算法来进行稀疏光流计算。这个类特别适合用来跟踪图像序列中的特征点,比如在视频中跟踪物体的关键点。

主要特点

  • 稀疏光流:只计算选定特征点的运动。
  • 金字塔结构:通过多尺度金字塔来提高跟踪的鲁棒性和准确性。
  • Lucas-Kanade 算法:使用 Lucas-Kanade 方法来计算特征点的位移。

成员函数

  • 构造函数:创建 cv::SparsePyrLKOpticalFlow 对象。
  • setMaxLevel(int maxLevel):设置金字塔的最大层数。
  • setWinSize(cv::Size winSize):设置用于计算光流的窗口大小。
  • calc(const cv::Mat &prevImg, const cv::Mat &nextImg, const cv::InputArray &prevPts, cv::OutputArray &nextPts, cv::OutputArray &status, cv::OutputArray &err):计算光流并返回新的特征点位置以及状态和误差。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main()
{
    // 加载两个图像帧
    cv::Mat prevImg = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );
    cv::Mat nextImg = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );

    if ( !prevImg.data || !nextImg.data )
    {
        std::cout << "Error loading images" << std::endl;
        return -1;
    }

    // 检测特征点
    std::vector< cv::Point2f > prevPts;
    std::vector< cv::Point2f > nextPts;
    std::vector< uchar > status;
    std::vector< float > err;

    // 检测特征点(例如使用 Shi-Tomasi 角点检测)
    std::vector< cv::Point2f > corners;
    cv::goodFeaturesToTrack( prevImg, corners, 100, 0.01, 10, cv::Mat() );

    // 创建 SparsePyrLKOpticalFlow 对象
    cv::Ptr< cv::SparsePyrLKOpticalFlow > lk = cv::SparsePyrLKOpticalFlow::create();

    // 设置参数
    lk->setMaxLevel( 2 );
    lk->setWinSize( cv::Size( 15, 15 ) );

    // 计算光流
    lk->calc( prevImg, nextImg, corners, nextPts, status, err );

    // 可视化结果
    cv::Mat outImg = cv::Mat::zeros( prevImg.size(), CV_8UC3 );
    for ( size_t i = 0; i < corners.size(); i++ )
    {
        if ( status[ i ] )
        {
            cv::circle( outImg, corners[ i ], 5, cv::Scalar( 0, 255, 0 ), -1 );
            cv::line( outImg, corners[ i ], nextPts[ i ], cv::Scalar( 0, 0, 255 ), 2 );
        }
    }

    // 显示结果
    cv::imshow( "Sparse Optical Flow", outImg );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
CoovallyAIHub3 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub4 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
聚客AI21 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v1 天前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工1 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农1 天前
【React用到的一些算法】游标和栈
算法·react.js
博笙困了1 天前
AcWing学习——双指针算法
c++·算法
moonlifesudo1 天前
322:零钱兑换(三种方法)
算法
NAGNIP2 天前
大模型框架性能优化策略:延迟、吞吐量与成本权衡
算法
美团技术团队2 天前
LongCat-Flash:如何使用 SGLang 部署美团 Agentic 模型
人工智能·算法