光流跟踪

光流金字塔calcOpticalFlowPyrLK的C++定义如下：

C++: 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 )

各个参数代表的含义如下： 
- prevImg 
你的标定图像的灰度图 
- nextImg 
你想搜寻的图像的灰度图 
- prevPts 
输入的标定图像的特征点（可以是其他特征点检测方法找到的点） 
- nextPts 
输出场景的特征点 
- status 
输出状态向量（无符号char），如果在当前图像中能够光流得到标定的特征点位置改变，则设置status的对应位置为1，否则设置为0 
- err 
输出错误向量；向量的每个元素被设为相应特征的一个错误，误差测量的类型可以在flags参数中设置；如果流不被发现然后错误未被定义（使用status（状态）参数找到此情形）。 
- winSize 
在每个金字塔水平搜寻窗口的尺寸 
- maxLevel 
金字塔的高度，初始为3层

当使用calcOpticalFlowPyrLK作为光流金字塔的算法时候，我们只需要知道以下的几点：

calcOpticalFlowPyrLK必须和其他的角点识别算法进行搭配使用，比如我这里使用的goodFeaturesToTrack，将其他的角点识别算法中获得的角点作为光流算法的prevPts
status 的大小和当前需要识别的光流移动的特征点大小一样，所以我们可以判定当前的图像是否还能与标定图像进行光流的依据