对点云模型的描述子建立kd-tree并进行搜索匹配的方法

1.最容易理解的方法（估计也最为耗时），不建立kd-tree

对视频流新来的一帧图像进行特征提取及描述子的计算，跟三维重建的原理类似，与所有的重建原始图像进行二维描述子匹配，找到与当前帧匹配数量最多的作为最佳匹配，对此时的二维点对应的三维点建立3d-2d的坐标对应，利用solvepnp求解相机位姿。

2.建立kd-tree,比较繁琐。

1）kd-tree的第三方库

下载地址：

http://nuclear.mutantstargoat.com/sw/kdtree/files/kdtree-0.5.6.tar.gz

只提供了建立kd-tree及knn搜索算法

2）

RobHess的SIFT源码分析：综述

https://blog.csdn.net/masibuaa/article/details/9191309

有建立kd-tree及bbf搜索算法的接口

3）

基于flann第三方库

提供建立kd-tree的接口，以及匹配算法，flannbasedmatcher

https://blog.csdn.net/ErenTuring/article/details/72983405

https://blog.csdn.net/ijuliet/article/details/4471311

https://blog.csdn.net/JasonDing1354/article/details/44038539