Ich fand eine similar question im Forum. Aber die Antwort dort beantwortet meine Frage nicht.Feature-Tracking mit optischen Fluss
Wenn I Merkmalserfassungs tun (goodFeaturesToTrack) nur einmal auf dem ersten Bild und dann verwenden optischen Fluss (calcOpticalFlowPyrLK), um diese Funktionen zu verfolgen, das Problem ist: Nur die auf dem ersten Bild erkannt Merkmale können verfolgt werden. Wenn diese Funktionen über das Bild hinausgehen, gibt es keine zu verfolgenden Funktionen.
Wenn ich Feature-Erkennung für jedes neue Bild bin, ist die Feature-Tracking nicht stabil, da das zuletzt erkannte Feature dieses Mal möglicherweise nicht erkannt wird.
Ich verwende optischen Fluss für 3D-Rekonstruktion. Ich bin also nicht daran interessiert, welche Funktionen zu verfolgen, sondern es interessiert mich nur, ob Features im Sichtfeld stabil verfolgt werden können. Zusammenfassend, meine Frage ist: Wie kann ich den optischen Fluss verwenden, um alte Funktionen zu verfolgen, und in der Zwischenzeit neue Bildfunktionen hinzufügen, die in das Sichtfeld kommen und alte Features entfernen, die über das Sichtfeld gehen?
Da es in dieser alten Frage nicht erwähnt wurde, tut die Python-Version von lkdemo etwas mehr als sein Gegenstück C++, überprüfen Sie es, lösen Sie dies für einige: https://github.com/npinto/opencv/blob /master/samples/python/lkdemo.py –