学习OpenCV——通过KeyPoints进行目标定位

目前的AR应用基本都是基于marker的比较多，但是不依靠marker首先要完成的定位工作。这篇文章主要描述，使用特征点进行检测和定位的问题（其中包含一些matching优化方式，具体请参考：学习OpenCV——KeyPoint Matching 优化方式）。

本篇采用ORB特征点和ORB特征描述子（可以采用SIFT或SURF特征，效果更好，但是OpenCV官方什么提过，SIFT和SURF不能用于商业用途，使用前需声明initModule_nonfree();且速度会慢一些）

	效果	FPS
SIFT	检测效果：优，尺度不变性：优，旋转不变性：优	5.5
SURF	检测效果：良，尺度不变性：良，旋转不变性：良	11.0
ORB	检测效果：差，尺度不变性：差，旋转不变性：良	30.0

步骤：

1. 目标图特征点检测和描述子计算；

2. 打开camera采集图像，并计算特征点及描述子；

3. 进行特征点匹配，采用KNN或Cross-check方式；

4. 寻找单应性变换矩阵，并通过单应性变换矩阵进行进一步优化，去除伪匹配；

5. 通过单应性变换矩阵进行目标定位。