哪种类型的垫子或向量<Point2f>更适合与函数 estimateRigidTransform() 一起使用？

Question

众所周知，我们可以向函数estimateRigidTransform()传递两个参数，其中一个类型为：Mat estimateRigidTransform(InputArray src, InputArray dst, bool fullAffine)

1. cv::Mat frame1, frame2;
2. std::vector<cv::Point2f> frame1_features, frame2_features;

例如，为了实现视频稳定（抖动消除），我们可以使用两种方法之一：

1. 使用cv::Mat：使用opencv的视频稳定

cv::Mat frame1 = imread("frame1.png");
cv::Mat frame2 = imread("frame2.png");
Mat M = estimateRigidTransform(frame1, frame2, 0);
warpAffine(frame2, output, M, Size(640,480), INTER_NEAREST|WARP_INVERSE_MAP);

2. 带std::vector<cv::Point2f> features;

vector <uchar> status;
vector <float> err;
std::vector <cv::Point2f> frame1_features, frame2_features;
cv::Mat frame1 = imread("frame1.png");
cv::Mat frame2 = imread("frame2.png");
goodFeaturesToTrack(frame1 , frame1_features, 200, 0.01, 30);
goodFeaturesToTrack(frame2 , frame2_features, 200, 0.01, 30);
calcOpticalFlowPyrLK(frame1 , frame2, frame1_features, frame2_features, status, err);
std::vector <cv::Point2f> frame1_features_ok, frame2_features_ok;
for(size_t i=0; i < status.size(); i++) {
 if(status[i]) {
  frame1_features_ok.push_back(frame1_features[i]);
  frame2_features_ok.push_back(frame2_features[i]);
 }
}
Mat M = estimateRigidTransform(frame1_features_ok, frame2_features_ok, 0);
warpAffine(frame2, output, M, Size(640,480), INTER_NEAREST|WARP_INVERSE_MAP);

以下哪种方法更适合使用，为什么？

也就是说，Mat和vector<Point2f>中的哪种类型更适合与函数estimateRigidTransform（）一起使用？

Answer 1

在第一种情况下，OpenCV将在函数estimateRigidTransform()内隐式执行calcOpticalFlowPyrLK()。参见lkpyramid.cpp第1383行中的实现。

这是两种方法之间的唯一区别。如果查找frame1和frame2之间的对应关系很重要，则使用版本#2，否则使用版本#1。