问题标签 [feature-tracking]

我正在尝试使用 Kanade-Lucas-Tomasi (KLT) 算法使用您可以在此处找到的函数（Mathworks 文档）跟踪两帧之间的一些特征（使用多尺度哈里斯检测器提取）。

我无法理解出了什么问题。没有一个点可以被跟踪。我尝试增加迭代次数并更改特征周围窗口的大小，但结果始终相同，没有跟踪任何特征。

• 数据是否有问题（图像分辨率太低（240x180 像素））？

• 是所选功能的问题吗？

这是我正在使用的两张图片：

这是我的代码：

我使用 SIFT 进行特征检测，使用 calcOpticalFlowPyrLK 进行图像中的特征跟踪。我正在处理从 Microsoft kinect 拍摄的低分辨率图像（裁剪后为 590x375）。

我在同一相机位置以 30fps 的速度拍摄的稳定场景的连续图像（只是为了了解一下）上运行了这个。对眼睛来说，图像看起来是一样的，但不知何故 calcOpticalFlowPyrLK 无法跟踪从一张图像到另一张图像的相同特征。检测到的特征和跟踪的特征中的位置（x，y 坐标）应该相同。不知何故不是。

根据 AldurDisciple 的建议，我认为我将噪声检测为特征。下面的黑色图像是导电元素之间的差异，显示了噪声。接下来是原始图像，然后是具有检测到的特征的图像。

我的目标是使用信息来发现机器人位置随时间的变化。

我用了

噪音，但它没有帮助。

在这里找到完整的代码

我正在使用KLT (Kanade-Lucas-Tomasi Tracking) 跟踪算法来跟踪印度的交通运动。我正在正确跟踪一侧流量的流量，但根本没有检测到正在帧内移动的另一侧流量。

算法包括cv2.goodFeaturesToTrack并cv2.calcOpticalFlowPyrLK实现结果。

在图像中，您可以看到红色和银色汽车上没有跟踪功能。左侧的黄色自动也不被跟踪。这有什么原因吗？角落还在。

特征参数cv2.goodFeaturesToTrack：

特征参数cv2.calcOpticalFlowPyrLK：

我必须使用的视频是 60 分钟。很长，KLT 在 5 分钟后停止跟踪.. 任何建议或帮助都会很棒。谢谢。

为什么我们需要一个从粗到细的策略来解决实践中的光流问题（特征跟踪）？如果我们不使用这种方法，会发生什么？

我目前正在研究一个使用 ORB 的小算法。它必须在某个时候重新计算关键点和描述符，因为它们的位置和大小会发生变化。但是，在“useExistingKepoints”标志打开的情况下调用detectAndCompute，在断言“级别> = 0”处失败。我很困惑，因为在关键点或描述符中没有称为“级别”的属性。我的问题是究竟是什么导致断言失败以及如何避免这种情况？

仅供参考：由于跟踪器使用矩形边界框而不是圆形关键点，因此我必须将一个转换为另一个。

Keypoint2BoundingBox：

BoundingBox2Keypoint（此方法的结果被传递给 ORB 导致问题）

大小2八度

我需要在监控摄像头下测量传送带的速度。皮带穿了多年，基本上没有质感，如果上面什么都没有，甚至很难看出皮带是否在移动。

我正在尝试将此问题作为对象跟踪问题来解决：

1. 在腰带上找到一些关键点/对象。
2. 使用 OpenCV 的中值流跟踪器跟踪这些关键点/对象。
3. 逆透视变换并获得 3D 空间中的速度。

如果手动给出第 1 步中的关键点/对象，则第 2 步和第 3 步工作得很好，但是我在自动查找关键点时遇到了性能问题：即使我将图像裁剪成非常小的图像，关键点检测也会花费 60 毫秒以上。我尝试了在 OpenCV 中实现的 SURF 和 ORB，但都不够快。

还有其他更快的选择吗？