我目前正在研究使用垂直面向地面（固定高度）的低分辨率相机来测量速度（相机通过表面的速度）。将 OpenCV 2.1 与 C++ 一起使用。
由于整个背景将在连续的帧之间不断移动、平移和/或旋转，在确定“可用值”形式的帧位移时，最合适的方法是什么？（返回帧位移的功能？）然后根据相机的高度和捕获的帧区域（现实世界中帧的尺寸），我将能够根据帧位移计算现实世界中的位移，然后计算测量时间间隔的速度。
试图确定我的方法或是否有任何示例代码可用，将帧位移（或一组像素的位移）转换为基于相机高度的距离位移。
谢谢，乔希。
这取决于您在计算机视觉方面的知识。首先，我会使用 opencv 可以提供的功能。请查看feature2d 模块。
您需要首先提取特征点（例如 sift 或 surf），然后使用其内置的匹配算法来匹配从两帧中提取的点。每场比赛都会给你一些限制，你最终会解决一个过饱和的 Ax=B。
当然，离线进行实验，即先拍摄视频，然后对单个图像进行操作。
更新：
在多摄像头校准的情况下，您的目标是确定每个摄像头的 3D 位置，这正是您所拥有的。想象一下，不是移动单个摄像头，而是拥有与单个摄像头捕获的视频中的图像数量一样多的摄像头，并且您想知道每个摄像头位置的 3D 位置，这表示每个摄像头拍摄的图像的位置您的单个移动相机。
有一个矩阵，您可以将世界上的任何 3D 点映射到图像上的 2D 点，请参见 wiki。相机矩阵由两部分组成，内在参数和外在参数。我（可能不准确）将内在参数称为内部矩阵。内在参数包括单个相机的静态参数（例如焦距），而外在参数包括相机的位置和旋转。
现在，一旦您有了相机的内在参数和匹配点，您就可以将许多这些投影方程堆叠在一起，并求解所有匹配点的实际 3D 位置和所有外在参数的系统参数。
给定如上所述的兴趣点，您可以使用 opevcv 的findHomography找到平移变换。
此外，如果您可以假设转换会有点小且接近线性，您可以只比较两个连续帧的图像像素以找到最佳匹配。通过足够的下采样，这不会花费太长时间，而且根据我的经验，效果相当好。
祝你好运！