c++实现hs光流法报错未定义标识符

为啥使用c++的这个函数会报错呢？用的是2413版本的opencv，想使用hs光流法，按照有些博客上面的说了添加了一个头文件，又显示源文件打不开这种错误，如果有人懂得话麻烦告知

头文件包含错误导致的，在你的opencv中找到对应包含calcOpticalFlow函数的头文件，添加上即可。

在整个电脑找下这个 legacy.hpp呢。（可以下载个everything 软件，这是一个搜索文件的软件，调试vs的这种问题很有用）
如果有，那就是你的包含目录没配对，或者你include写错了。
这个可以参考下，具体怎么加包含目录。
如果没有这个文件，那估计就是你的opencv没下载完整。
https://blog.csdn.net/weixin_52336311/article/details/131216334

https://csdnimg.cn/release/notification/test0ecad1c1-d998-4da7-9803-8f839ff6b2b3.jpg
可能是你使用的OpenCV版本不包含该头文件导致的。在OpenCV 3之后的版本中，legacy模块已经被废弃

用这个代替试试

#include <opencv2/opencv.hpp>
#include <opencv2/video/tracking.hpp>

【相关推荐】

帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7780799
这篇博客你也可以参考下：关于opencv更改摄像头参数（帧率，分辨率，曝光度……）的几个问题
您还可以看一下夏曹俊老师的C++ 11 14 17 20内存管理-指针、智能指针和内存池课程中的示例指针操作二维数组对opencv灰度图做反色小节, 巩固相关知识点

除此之外, 这篇博客: opencv双目视觉标定，激光结构光提取，指定特征点获取世界坐标中的 二维点转换为三维点 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

二维点的获取就是特征点的获取，因为的需求很简单，只需要左右两个点和拐点就行，因此提取很简单，就不发出来了，主要说一下特征点是如何获得三维点的。
简单说就是根据前面的标定获得Q矩阵，即重投影矩阵，再根据重投影矩阵反求坐标

def getAngle(A1,B1,C1,A2,B2,C2):
    Q = c_config.Q
    print(Q)


    cx = Q[0][3]
    cy = Q[1][3]
    print("cx = ", cx)
    print("cy =", cy)
    f = Q[2][3]
    E = Q[3][3]
    Tx = Q[3][2]
    # Tx = 0.008333333
    # Tx = 0.01667
    print(f)
    print(Tx)
    print(E)
    print("1=",A1,B1,C1)
    print("2=", A2, B2, C2)
    deep = np.array([A1[1]-A2[1],B1[1]-B2[1] , C1[1]-C2[1]])
    print("deep=",deep)
    w = deep * Tx + E
    Z = f / w

    y = np.array([A1[0], B1[0], C1[0]])
    x = np.array([A1[1], B1[1], C1[1]])

    X = (x + cx)/w

    Y = (y + cy)/w

    T = np.vstack((X, Y, Z)).T
    print("T= ", T)


    print(T[0])
    print(T[1])
    print(T[2])
    A = np.array([T[0][0], T[0][1], T[0][2]])
    B = np.array([T[1][0], T[1][1], T[1][2]])
    C = np.array([T[2][0], T[2][1], T[2][2]])
    BA = A-B
    BC = C-B
    print(BA, BC)
    print(A,B,C)

    cosangle = BA.dot(BC) / (np.linalg.norm(BA) * np.linalg.norm(BC))
    # cosangle = cos_dist(BA,BC)
    Lba = np.sum(np.linalg.norm(BA))
    Lbc = np.sum(np.linalg.norm(BC))
    print("BA.BC=",BA.dot(BC))
    print("Lba=", Lba)
    print("Lbc=", Lbc)
    print("cos=", cosangle)
    angle = np.arccos(cosangle)
    print(np.degrees(angle))

    ax = plt.subplot(111, projection='3d')  # 创建一个三维的绘图工程
    #  将数据点分成三部分画，在颜色上有区分度
    ax.scatter(T[0][0], T[0][1], T[0][2], c='y')  # 绘制数据点
    ax.scatter(T[1][0], T[1][1], T[1][2], c='r')
    ax.scatter(T[2][0], T[2][1], T[2][2], c='g')

    ax.plot([A[0], B[0], C[0]], [A[1], B[1], C[1]], [A[2], B[2], C[2]], label='parametric curve')

    ax.set_zlabel('Z')  # 坐标轴
    ax.set_ylabel('Y')
    ax.set_xlabel('X')
    plt.show()

重投影矩阵Q实现了世界坐标系{world}和像素坐标系{pixel}之间的转换。具体如下：
在这里插入图片描述
这里Q矩阵中的参数都是左相机的参数，除了Cx‘以外，但一般校正正确后，Cx = Cx’，所以Q矩阵的最后一项为0，然后用左图片的特征点跟视差求得三维坐标，并且这里默认世界坐标系是跟左相机坐标系重合的，如下：所示

在这里插入图片描述
其中d = Xl - Xr，Xl为左图片点像素坐标，Xr为右图片点像素坐标。
至此，就能获得特征点三维坐标。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^