opencv光流法调用电脑摄像头测速的c++代码

以下是一个简单的使用OpenCV光流法进行测速的C++代码示例，它可以调用计算机摄像头：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    // 打开摄像头
    VideoCapture cap(0);

    // 检查摄像头是否打开
    if (!cap.isOpened())
    {
        std::cerr << "Error opening video capture." << std::endl;
        return -1;
    }

    // 定义变量
    Mat prevGray, gray;
    std::vector<Point2f> prevPts, nextPts;
    std::vector<uchar> status;
    std::vector<float> err;

    // 循环处理每一帧
    while (true)
    {
        Mat frame;
        cap >> frame;

        // 转换为灰度图像
        cvtColor(frame, gray, COLOR_BGR2GRAY);

        // 检查是否需要重新初始化点
        if (prevPts.empty())
        {
            // 选择感兴趣的区域，例如道路上的车道线
            Rect roi(0, 240, 640, 240);

            // 提取特征点
            goodFeaturesToTrack(gray(roi), prevPts, 100, 0.01, 10, noArray(), 3, false, 0.04);

            // 将点的坐标偏移
            for (auto& pt : prevPts)
            {
                pt.x += roi.x;
                pt.y += roi.y;
            }
        }
        else
        {
            // 计算光流
            calcOpticalFlowPyrLK(prevGray, gray, prevPts, nextPts, status, err);

            // 计算速度
            float speed = 0.f;
            int count = 0;
            for (int i = 0; i < prevPts.size(); ++i)
            {
                if (status[i])
                {
                    speed += norm(nextPts[i] - prevPts[i]);
                    ++count;
                }
            }
            if (count > 0)
            {
                speed /= count;
                speed *= 30.f; // 假设每秒有30帧
                std::cout << "Speed: " << speed << " pixels/s" << std::endl;
            }

            // 画出特征点和光流
            Mat vis;
            cvtColor(gray, vis, COLOR_GRAY2BGR);
            for (int i = 0; i < prevPts.size(); ++i)
            {
                if (status[i])
                {
                    line(vis, prevPts[i], nextPts[i], Scalar(0, 255, 0));
                    circle(vis, nextPts[i], 2, Scalar(0, 0, 255), -1);
                }
            }
            imshow("Optical Flow", vis);
        }

        // 保存当前状态
        prevGray = gray.clone();
        prevPts = nextPts;
    }

    return 0;
}

这个例子中，我们使用`goodFeaturesToTrack`函数来提取感兴趣的区域中的特征点，然后使用`calcOpticalFlowPyrLK`函数计算这些特征点在连续帧之间的光流，最后计算速度并显示光流和特征点。

请注意，这只是一个简单的例子，实际中需要考虑许多其他因素，例如像素尺寸和实际速度之间的转换，相机的视角和位置等。