(2) 基于极线约束的特征点匹配 根据极线约束，搜索一个特征点在另一幅图像上的对应同名点就可以由在整幅图像

该算法内包含使用OpenCV中特征点检测、描述方法（sift、Harris，orb，brisk等）等多种方法的使用示例，并配有详细注释。还包括BFMatcher和FLANN两种匹配器的使用，且还有knnMatch方法示例。

输入图像后，运行函数实现基于matlab的灰度图像特征点匹配。

图像拼接中过程中的图像配准部分，采用的是相位相关的方法。

这是OpenCV最新版本的库：OpenCV2.4.4 实现了多幅图像之间的配准，存于Result文件夹中

看到有人在求这个代码，就把它穿上来了，可以自己修改一下，加入一下改进的东西，效果还是不错的，需要gsl和opencv库

对左右两幅图像进行稀疏匹配，完成匹配后得到轮廓图和深度图，由深度图得到3维的点云立体图像。

利用多种方法进行角点检测，匹配，并进行比较

NULL 博文链接：https://free9277.iteye.com/blog/1935492

使用百度NLP平台实现的高中物理题知识点匹配 针对于高中物理题，使用了百度NLP平台提供的API进行知识点的识别。首先使用了短文本相似度服务，计算题干和知识树中知识点的相似程度。随后取出相似度大于0.5的知识点，进行聚类。 具体的聚类方式如下：先使用语义分割服务，分割出知识点中有意义的语义，随后对每个词计算词向量，将整句的词向量相加后归一化，得到该知识点的句向量。以该知识点的句向量为基础，对所有可能的知识点进行聚类。 其中knowledgeList是存有所有知识点的csv文件，shortKnowledgeList是缩短了的知识树。 用于测试的试题为：“一辆汽车刹车后做匀减速运动，初速度为10m/s，加速度大小为2m/s，则汽车在6s末的速度和位移分别为”。