flann，用vs2010编译FLANN出现一堆错误是怎么回事

1，用vs2010编译FLANN出现一堆错误是怎么回事

你可以将这个提示信息的路径拷贝到你的地址栏里查看有没有真正存在这个exe. 如果没有,右击你的类库,选择属性,查看生成,有一个debug和release下来框,根据你的需要可以选择哪种编译模式.最后向下拉动滚动条,有个生成路径,看看是不是提示信息提示的

用vs2010编译FLANN出现一堆错误是怎么回事

2，我的名字两个字丹麻烦专业人士帮我起个好听的英文名儿不

Donna唐娜Darcy达茜Dorothea多萝西娅尽力了，

Dido Dior Diva 我觉得都挺好的

danny是丹尼的英文名,这点在英语书上有,我看到过.至于denny我就不知道了.dennis是丹尼斯,daniel是丹尼尔.

Flann 红色Garnet 深红色Ruby 红宝石Sienna 橘红色Maral 红色的梅花鹿这些名字的意思都是红，丹不就是红色嘛

我的名字两个字丹麻烦专业人士帮我起个好听的英文名儿不

3，我叫孙丰娇想要英文名f开头的

fannie fanny 都是芬妮同丰自由的女性的意思 fay 菲仙女的意思 florence 弗罗伦丝美丽的开花的参考一下吧希望你喜欢能对你有帮助

Faye,Francine,Francisca,Felicia,

Faye是个不错的名字，在各种文化中都有这个名字，音韵和谐，简洁明了，有公平，信仰，秩序，仙女精灵之意，给人一种女性的柔美与端庄的感觉。Flann也许适合你，因为读音接近中文“丰”，历史上有两位女王用此名

你好！Fitche.Suen孙丰娇如有疑问，请追问。

我叫孙丰娇想要英文名f开头的

4，opencv中的BFMatcher和FlannBasedMatcher的区别

Brute Force匹配和FLANN匹配是opencv二维特征点匹配常见的两种办法，分别对应BFMatcher和FlannBasedMatcher。二者的区别：BFMatcher总是尝试所有可能的匹配，从而使得它总能够找到最佳匹配。FlannBasedMatcher中FLANN的含义是Fast Library forApproximate Nearest Neighbors，它是一种近似法，算法更快但是找到的是最近邻近似匹配，当我们需要找到一个相对好的匹配但是不需要最佳匹配的时候可以用FlannBasedMatcher。当然也可以通过调整FlannBasedMatcher的参数来提高匹配的精度或者提高算法速度，但是相应地算法速度或者算法精度会受到影响。

5，cnn特征和sift特征的区别

一、特征点（角点）匹配　　图像匹配能够应用的场合非常多，如目标跟踪，检测，识别，图像拼接等，而角点匹配最核心的技术就要属角点匹配了，所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系，从而确定两幅图像的位置关系。　　角点匹配可以分为以下四个步骤：　　1、提取检测子：在两张待匹配的图像中寻找那些最容易识别的像素点（角点），比如纹理丰富的物体边缘点等。　　2、提取描述子：对于检测出的角点，用一些数学上的特征对其进行描述，如梯度直方图，局部随机二值特征等。检测子和描述子的常用提取方法有：sift，harris，surf，fast，agast，brisk，freak，brisk，brief/orb等。　　3、匹配：通过各个角点的描述子来判断它们在两张图像中的对应关系，常用方法如 flann等。　　4、消噪：去除错误匹配的外点，保留正确的匹配点。常用方法有KDTREE，BBF，Ransac，GTM等。　　二、SIFT匹配方法的提出　　为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点，SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。因为对于错误匹配，由于特征空间的高维性，相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高。显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然。　　Lowe推荐ratio的阈值为0.8，但作者对大量任意存在尺度、旋转和亮度变化的两幅图片进行匹配，结果表明ratio取值在0. 4~0. 6 之间最佳，小于0. 4的很少有匹配点，大于0. 6的则存在大量错误匹配点，所以建议ratio的取值原则如下:　　ratio=0. 4：对于准确度要求高的匹配；　　ratio=0. 6：对于匹配点数目要求比较多的匹配；　　ratio=0. 5：一般情况下。　　三、常见的SIFT匹配代码　　1、vlfeat中sift toolbox中的vl_ubcmatch.c使用的是普通的欧氏距离进行匹配（该SIFT代码贡献自AndreaVedaldi）。

6，如何从入门开始学习OpenCV

方法如下：1. 先去下载最新版OpenCV，网址如下：http://nchc.dl.sourceforge.net/project/opencvlibrary/opencv-win/2.4.3/OpenCV-2.4.3.exe。下载完成后解压到相应目录。本人解压到D:\Program Files\OpenCV2.4.3。2. 有的文章提到使用CMake把OpenCV下面的范例生成为Visual Studio的工程，此处我没有这样做。直接使用范例。这里先把OpenCV目录下面的几个重要目录做个说明：doc目录：主要包含OpenCV的帮助文档。其中opencv2refman.pdf主要是OpenCV的各种类和函数的使用说明。opencv_tutorials.pdf，主要是下面教学代码目录里面各个教学范例的简单讲解。opencv_cheatsheet.pdf主要是最常用OpenCV类和函数的集合。此3个PDF文档对自学者帮助最大。samples\cpp\tutorial_code目录：里面包含基本教学代码。和上面的opencv_tutorials.pdf文档遥相呼应，构成一个完整的自学体系。build目录：包含编译，调试，发布所需要的各类动态库，静态库，头文件等。因为OpenCV2.4.3好像只支持Visual Studio 2008以上版本，我在这里以Visual Studio 2008为例讲解如何让范例跑起来。3. 添加环境变量：此处我在path环境变量中添加如下目录：D:\Program Files\OpenCV2.4.3\build\x86\vc9\bin。记住在前面一个目录后面加分号。4. 在Visual Studio中包含头文件目录：见附件中的图片，已经用红色矩形框标识如何操作。5. 在Visual Studio中包含库文件目录：见附件中的图片，已经用红色矩形框标识如何操作。46. 建立一个新建Visual Studio VC win32控制台应用工程，这里我选择带预编译头的工程，省去添加cpp文件的工作。7. 代码创建：这里我选择samples\cpp\tutorial_code\ImgProc\Morphology_2.cpp文件。先添加包含目录，如下（以后所有范例均可以如下添加）：#include #include 然后复制代码。 8. 编译文件：自然少不了要包含静态库，要添加的库（debug版和release差别就是文件名后多了一个d标识是debug版）如下： debug版： opencv_calib3d243d.lib opencv_contrib243d.lib opencv_core243d.lib opencv_features2d243d.lib opencv_flann243d.lib opencv_gpu243d.lib opencv_haartraining_engined.lib ibrelease版： opencv_calib3d243.lib opencv_contrib243.lib opencv_core243.lib opencv_features2d243.lib opencv_flann243.lib opencv_gpu243.lib 9. 字符集设置：如果编译过程中出现如下错误：不能将参数 1 从“_TCHAR *”转换为“const std::string &”原因如下: 无法从“_TCHAR *”转换为“const std::string”。请字符集设置为“使用多字节字符集”。 10. 最后指定命令后参数：方法见附件。这样就可以不用在windows命令行下输入参数了，方便调试，但是要注意，图片必须放在你所建立的工程目录下（和.cpp以及.h文件同一目录）。否则就要加上相应的路径。如果参数多于1个，请以空格分开。 11. 支持所有参数设置完成，开始编译运行吧。如果Visual Studio无问题的话，按照以上按部就班操作，每个范例均可以正常运行。

opencv只是个lib，它既不是软件、也不是编程语言，所以我觉得从头到尾按照教程来看一遍可能会存在学习枯燥、无的放矢的局面。最好的方法是带着问题去学，先从最简单的地方入手，比如调用opencv的gui界面来调节一幅图像的灰度，再复杂些可以利用鼠标交互来实现ps的魔棒效果（分水岭算法）等等，这些网上都有很多现成的代码来学习，opencv 中文论坛上也有不少大牛来回答问题。单纯的学习opencv的人不多，学习opencv只是为了更方便的编程，所以某种角度来看opencv只是把锋利的快刀，用刀本身不是目的，用刀切出有型的菜才是目的。如果没有编程语言的要求，建议从python 2.7 +opencv 2.4x 入手，为解决问题而思考，有种用matlab的畅快感。《learning opencv》是本好书，可以在入门后作为工具书查阅。