46、关键点跟踪与光流算法详解

关键点跟踪与光流算法详解

1. 亚像素位置计算

在图像分析中，我们会遇到亚像素位置计算的问题。输入图像是用于计算角点的原始图像，角点数组包含整数像素位置，例如通过 cv::goodFeaturesToTrack() 函数得到的角点位置，这些位置作为角点位置的初始猜测。

亚像素位置的实际计算使用点积表达式系统，这些表达式表示的组合之和应为零。参数 winSize 指定生成这些方程的窗口大小，该窗口以原始整数角点位置为中心，向各个方向扩展 winSize 指定的像素数。这些方程形成一个线性系统，可以通过单个自相关矩阵的求逆来求解。但在实际中，由于靠近点 p 的像素产生的小特征值，该矩阵并不总是可逆的。为避免这种情况，通常会忽略点 p 紧邻区域的像素。参数 zeroZone 定义了一个窗口（类似于 winSize ，但范围更小），该窗口内的像素不会用于约束方程系统，因此也不会用于自相关矩阵的计算。如果不需要这样的零区域，则将该参数设置为 cv::Size(-1,-1) 。

当找到新的位置 q 后，算法将以该值为起点进行迭代，直到达到用户指定的终止准则。终止准则可以是 cv::TermCriteria::MAX_ITER 或 cv::TermCriteria::EPS （或两者），通常使用 cv::TermCriteria() 函数构