Kanade-Lucas-Tomasi Feature Tracker 代码分析

因为研究需要，仔细看了下代码，看看有什么可以利用的地方。

整体来说Kanade-Lucas-Tomasi Feature Tracker的方法就是首先找去特征点，之后用光流去跟踪的方法。

Opencv中已经有了example，大家可以运行下看效果，同时Homepage：http://www.ces.clemson.edu/~stb/klt/

上有源码，整个的流程跟Opencv差不多。

我们以官网上的原程序中的example1进行分析：（剩下的几个例子整体流程都差不多，仅仅是目的不一样）

首先都是建立两个结构体：

  tc = KLTCreateTrackingContext();
  KLTPrintTrackingContext(tc);
  fl = KLTCreateFeatureList(nFeatures);

tc就是跟踪的中用到的一些参数在选特征点的时候也有用到。

fl就是我们说道德特征点了，包括了特征值和特征点在图像中的位置。

之后使用：

KLTSelectGoodFeatures(tc, img1, ncols, nrows, fl);

使用上面的函数选取特征点

KLTTrackFeatures(tc, img1, img2, ncols, nrows, fl);

使用这个函数在img2中寻找对应的特征点。

一次循环就可以实现跟踪了。

那么出现了一个问题：特征点是怎么定义的：

我们分析KLTSelectGoodFeatures这个函数：

函数中又使用了：