/-------------------视觉里程计：特征点法-----------------------/
$ 特征点提取与匹配: ORB, SIFT, SURF
$ 通过2D-2D的匹配特征点估计相机运动：对极约束，本质矩阵，基础矩阵
$ 通过2D-2D的匹配估计一个点的空间位置：三角化
$ 3D-2D的PnP问题：线性解法(直接线性变换)和Bundle Adjustment解法
$ 3D-3D的ICP问题：线性解法(SVD)和Bundle Adjustment解法
/** ----------------- 视觉里程计：直接法 ------------------------**/
$ Lucas-Kanade光流法跟踪特征点： 假设1 灰度不变假设； 假设2 某一个窗口内的像素具有相同的运动
$ 直接法分类:
1). 稀疏直接法：P来自稀疏关键点；
2). 半稠密直接法：P是带有梯度的像素点，舍弃像素梯度不明显的像素点；
3). 稠密直接法：P为所有像素；
#usage: ./test_pose_3d2d data/1.png data/2.png data/1_depth.png