opencv ORB特征提取+匹配

一.ORB特征组成

//特征就是角点
//ORB特征具有速度快的优点，可以用于实时提取。
//ORB:FAST关键点+BRIEF 描述子
//FAST是一种角点，主要是检测局部像素灰度变化明显的地方，苏地块。FAST思想：如果一个像素与它邻域的像素差别较大，那他可能是角点。
//FAST提取步骤：

1. 在图像中选取像素 p，假设它的亮度为 Ip。
2. 设置一个阈值 T(比如 Ip 的 20%)。
3. 以像素 p 为中心, 选取半径为 3 的圆上的 16 个像素点
4. 选取的圆上，有连续N个点的灰度值大于Ip+T或小于Ip-T,则p可以被认为是关键点
   (N=9,11,12)
   //FAST提取角点过多，对原始的FAST角点计算Harris响应值，提取前N个最大响应值的角点。
   //FAST不具有方向信息。由于它固定取半径为3的圆，有尺度问题；
   1.scale:图像金字塔，对每一层检测角点
   2.rorate:灰度质心法,用圆的质心与几何中心得到向量即为关键点的方向。

//BRIEF 描述子：描述关键点周围像素的信息，(外观相似的特征应该有相似的描述子)，采用二进制编码，取周围128个像素，当像素灰度值大于临近像素则为1，反之为0.由于FAST的改进，秒速自有有scale,rorate不变性.

//两种匹配模式:暴力匹配，快速最近邻匹配。
1.暴力匹配:测量描述子之间的距离(通常采用汉明距离和欧氏距离),汉明距离是采用BRIEF二进制描述子进行匹配，浮点型描述子用欧式距离匹配。
2.暴力匹配产生的特征点较多，采用FLANN方法可以提高质量，降低计算量。

//读取图像，加载ORB模块

//读取图像
	Mat img_1 = imread("C:\\Users\\Administrator\\Pictures\\1.png");
	Mat img_2 = imread("C:\\Users\\Administrator\\Pictures\\2.png");
	std::vector<KeyPoint> keypoints_1, keypoints_2