Python 基于OpenCV的视觉里程计

我试图在OpenCV Python中实现单目（单摄像头）视觉里程计。维基百科在这里给出了常用的方法步骤 我用Lucas Kanade跟踪器计算了光流。这里给出了代码

---

Wiki上的第4步是“检查流场向量是否存在潜在的跟踪错误，并删除异常值”。如何在OpenCV（python）中实现这一点？我应该使用什么算法/函数？那么第5步和第6步呢？我在某个地方读到（见第三条评论），如果使用Lucas Kanade，Kalman滤波器在性能上不会有任何改进

至于删除有错误的向量，您应该根据calcOpticalFlowPyrLK返回的状态过滤关键点。以下代码可以帮助您完成此操作：

def featureTracking(image_ref, image_cur, px_ref):
    kp2, st, err = cv2.calcOpticalFlowPyrLK(image_ref, image_cur, px_ref, None, **lk_params)  # shape: [k,2] [k,1] [k,1]

    st = st.reshape(st.shape[0])
    kp1 = px_ref[st == 1]
    kp2 = kp2[st == 1]

    return kp1, kp2

对于步骤5和6，找到基本矩阵并使用它估计姿势（openCV函数

findesentialmat

和

recoverPose

）

阅读以下两篇文章：

---

你能重建opencv吗？我还是一个初学者，但我可以这么说。据我所知，去除异常值是由RANSAC算法完成的。opencv中有许多算法使用RANSAC方法，作为一个标志。我并不认为你需要自己实现所有这些东西，也许opencv中有一个为who提供的函数可能不是。我还在搜索。如果我找到了什么，我会让你知道的。