３、opencv特征的提取与配准 keypoint and match

（在做高博的“一起做RGB-D_SLAM”的一些问题，作为自己笔记总结,以督促自己完成并理解)
有点不太想做下去这个，幸好可以写写，哈哈，刷刷成就感
这次做的一起做－－－－特征的提取与配准，前面先有库的封装，不是太明白，这个知识点先放这，后面再补充？？？

步骤：在qt里直接新建include/slamBase.h不会，就在终端进入项目路径下新建的。
特征提取

特征配准

通过距离筛选优化

计算图像间的运动关系R\t,优化存在误匹配的情况

接着试着用自己无深度的照片（三幅图放一起了）

note:
1. OpenCV提供了两种Matching方式：
• Brute-force matcher (cv::BFMatcher)
• Flann-based matcher (cv::FlannBasedMatcher)
Brute-force matcher就是用暴力方法找到点集一中每个descriptor在点集二中距离最近的descriptor；

    vector< cv::DMatch > matches;    cv::BFMatcher matcher;                                   //Matching方式:用暴力方法找到点集一中每个descriptor在点集二中距离最近的descriptor    matcher.match( desp1, desp2, matches );               //对上述的描述子进行匹配    cout<<"Find total "<<matches.size()<<" matches."<<endl;  //

Flann-based matcher 使用快速近似最近邻搜索算法寻找（用快速的第三方库近似最近邻搜索算法）
一般把点集一称为 train set （训练集）对应模板图像，点集二称为 query set（查询集）对应查找模板图的目标图像。
为了提高检测速度，你可以调用matching函数前，先训练一个matcher。训练过程可以首先使用cv::FlannBasedMatcher来优化，为descriptor建立索引树，这种操作将在匹配大量数据时发挥巨大作用（比如在上百幅图像的数据集中查找匹配图像）。而Brute-force matcher在这个过程并不进行操作，它只是将train descriptors保存在内存中。
2. 在matching过程中可以使用cv::DescriptorMatcher的如下功能来进行匹配：
简单查找最优匹配：void match(const Mat& queryDescriptors, vector& matches,const vector& masks=vector() );
为每个descriptor查找K-nearest-matches：void knnMatch(const Mat& queryDescriptors, vector