1 KeyPoint类
参考博文
https://blog.csdn.net/u010821666/article/details/52883580
官网链接
https://docs.opencv.org/2.4.9/modules/features2d/doc/common_interfaces_of_feature_detectors.html#keypoint
1.1 内部变量
pt(x,y):关键点的点坐标；
size():该关键点邻域直径大小；
angle:角度，表示关键点的方向，取值范围[0,360)，负值表示不使用。
octave：代表是从金字塔哪一层提取的得到的数据
class_id：当要对图片进行分类时，我们可以用class_id对每个特征点进行区分，未设定时为-1，需要靠自己设定
response：响应程度，代表该点强壮大小（该关键点的牛逼程度）
注意：
（1）keypoint只是保存了opencv的sift库检测到的特征点的一些基本信息，但sift所提取出来的特征向量其实不是在这个里面，特征向量通过SiftDescriptorExtractor 提取，结果放在一个Mat的数据结构中
原文链接：
https://www.cnblogs.com/cj695/p/4041399.html
2 DMatch类
参考博文：
http://www.mamicode.com/info-detail-2159374.html
int queryIdx:是测试图像的特征点描述符（descriptor）的下标，同时也是描述符对应特征点（keypoint)的下标。
int trainIdx :是样本图像的特征点描述符的下标，同样也是相应的特征点的下标。
int imgIdx :当样本是多张图像的话有用。
float distance :代表这一对匹配的特征点描述符（本质是向量）的欧氏距离，数值越小也就说明两个特征点越相像。
bool operator<(const DMatch &m) const; 一个小于操作符的重载，用于比较和排序。 比较的是上述的distance，当然是越小越好。
