opencv学习笔记（1）
本系列文章由 @苏安6629 出品，转载请注明出处。
- TermCriteria类和calcOpticalFlowPyrLK的使用
在SLAM中，因为可能存在运动的目标，所以采用传统的特征点提取方法可能会因为运动的目标而造成比较大的误差，所以如果采用光流法进行特征点的提取则可以很好的解决这个问题。
TermCriteria模板类
TermCriteria模板类取代了旧版本opencv的CvTermCriteria。
这个类是用来作为迭代算法的终止条件的，这个类很简单，只有简单的三个变量，类是定义在/core/types.hpp中，分别有下面两个函数
inline
TermCriteria::TermCriteria()
: type(0), maxCount(0), epsilon(0) {}
inline
TermCriteria::TermCriteria(int _type, int _maxCount, double _epsilon)
: type(_type), maxCount(_maxCount), epsilon(_epsilon) {}第一个函数是TermCriteria类默认构造函数，第二个是我们经常会用到的。
从上面定义中可以看出，这个该类变量需要3个参数，一个是类型，第二个参数为迭代的最大次数，最后一个是特定的阈值。类型有TermCriteria::COUNT、TermCriteria::EPS、TermCriteria::COUNT+EPS，分别代表着迭代终止条件为达到最大迭代次数终止，迭代到阈值终止，或者两者都作为迭代终止条件。
calcOpticalFlowPyrLK使用
calcOpticalFlowPyrLK函数在opencv中是计算一个稀疏特征集的光流，使用金字塔中的迭代 Lucas-Kanade 方法。函数的定义如下：
CV_EXPORTS_W void calcOpticalFlowPyrLK( InputArray prevImg, InputArray nextImg,
InputArray prevPts, InputOutputArray nextPts,
OutputArray status, OutputArray err,
Size winSize = Size(21,21), int maxLevel = 3,
TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),
int flags = 0, double minEigThreshold = 1e-4 );
/** @brief Computes a dense optical flow using the Gunnar Farneback's algorithm.
@param prev first 8-bit single-channel input image.
@param next second input image of the same size and the same type as prev.
.........我们从这里可以看出第t帧和第t+dt帧的图像必须是8位图像，也就是我们常说的灰度图。
- prevImg
在时间 t的第一帧
- nextImg
在时间 t + dt 的第二帧
- prevPts
发现的第一帧的光流点集
- nextPts
第二帧的光流点集
- - status
状态数组，如果对应特征的光流被发现，数组中的每一个元素都被设置为 1， 否则设置为 0。
- err
双精度数组，包含原始图像碎片与移动点之间的差。为可选参数，可以是 NULL .criteria准则，指定在每个金字塔层，为某点寻找光流的迭代过程的终止条件。
- win_size
每个金字塔层的搜索窗口尺寸
- maxLevel
- 最大的金字塔层数。如果为 0 , 不使用金字塔 (即金字塔为单层), 如果为 1 , 使用两层，下面依次类推。
- flags其它选项：
•CV_LKFLOW_PYR_A_READY , 在调用之前，第一帧的金字塔已经准备好
•CV_LKFLOW_PYR_B_READY , 在调用之前，第二帧的金字塔已经准备好
•CV_LKFLOW_INITIAL_GUESSES , 在调用之前，数组 B 包含特征的初始坐标
函数 CalcOpticalFlowPyrLK 实现了金字塔中 Lucas-Kanade 光流计算的稀疏迭代版本 ([Bouguet00])。 它根据给出的前一帧特征点坐标计算当前视频帧上的特征点坐标。 函数寻找具有子象素精度的坐标值。
