一、生成物体三维纹理模型数据 ====
 首先 Data/box.ply mesh 文件 
   提供了 单张图片中 盒子 8个定点的 3d坐标点信息(以某个定点为世界坐标系原点)
   以及 6个 长方形面 构成的 12个三角形
 我们首先需要 生成其 3d描述 信息，需要运行 src/main_registration.cpp 获取
   1. 手动指定 图像中 物体顶点的位置（得到相机像素坐标系下的2d坐标 对应 ply文件中是3D位置）
   2. 求取 欧式变换矩阵
    由对应的 2d-3d点对关系
    u
    v  =  K × [R t] X
    1               Y
                    Z
                    1
    K 为图像拍摄时 相机的内参数
        世界坐标中的三维点(以文件中坐标为(0,0,0)某个定点为世界坐标系原点)
        经过 旋转矩阵R  和平移向量t 变换到相机坐标系下
        在通过相机内参数 变换到 相机的图像平面上
        
    由 PnP 算法可解的 旋转矩阵R  和平移向量t 
    
   3.  把从图像中得到的纹理信息 加入到 物体的三维纹理模型中
     在图像中提取 ORB特征点 和 对应的描述子
     利用 内参数K 、 旋转矩阵R  和平移向量t  反向投影2d像素点 到  三维空间，获取3d坐标
     标记 该反投影的3d点 是否在三维物体的 某个平面上
     
   4. 将 2d-3d点对 、关键点 以及 关键点描述子 存 入 物体的三维纹理模型中
      Data/cookies_ORB.yml
   
   运行:
   ./pnp_registration 
   
 二、使用数据库对视频/拍摄图像 进行实时 检测 目标定位
   主程序 src/main_detection.cpp
   1. 读取网格数据文件Data/box.ply  和 三维纹理数据文件Data/cookies_ORB.yml (上一步获取) 获取3d描述数据库 
   2. 对真实场景(视频文件帧/摄像头拍摄数据) 提取特征点2D 及其 描述子
   3. 与模型库中的 3d点带有的 描述子进行匹配，得到 2d-3d匹配点
   4. 使用PnP + Ransac 估计 当前物体的姿态 (R,t)
   5. 显示 PNP求解后　得到的内点
   6. 使用线性卡尔曼滤波去除错误的姿态估计变换矩阵 (R,t)
   7. 更新pnp 的　变换矩阵
   8. 将数据库中的 8个3D顶点 使用(R,t) 反投影到 图像2D平面上，绘制3D框，显示姿态
   
   运行
   ./pnp_detection 
   

src/CsvReader.cpp
src/CsvWriter.cpp

src/Mesh.cpp  实际CsvReader类读取了文件
src/Model.cpp 模型读取保存 添加关键点、描述子、外点

物体网格模型 物体的 三维纹理 模型文件
包含：2d-3d点对 特征点 特征点描述子

src/RobustMatcher.cpp
鲁棒匹配 两者相互看对眼了
图像1匹配到图像2的点　和图像2 匹配 图像1的点相互对应　才算是匹配

src/PnPProblem.cpp

src/ModelRegistration.cpp 二维图像创建 三维数据  textured 3D model.
程序执行，首先从输入图像中提取 ORB特征描述子，
然后使用网格数据和 Möller–Trumbore intersection 算法 
来计算特征的3D坐标系。
最后，3D坐标点和特征描述子存在YAML格式文件的不同列表中，
每一行存储一个不同的点.

src/main_registration.cpp

    由简单的 长方体 顶点  面 描述的ply文件 和 物体的彩色图像 生产 物体的三维纹理模型文件
    2d-3d点配准
    【1】手动指定 图像中 物体顶点的位置（得到二维像素值位置）
        ply文件 中有物体定点的三维坐标
        由对应的 2d-3d点对关系
        u
        v  =  K × [R t] X
        1               Y
                    Z
                    1
        K 为图像拍摄时 相机的内参数
        世界坐标中的三维点(以文件中坐标为(0,0,0)某个定点为世界坐标系原点)
        经过 旋转矩阵R  和平移向量t 变换到相机坐标系下
        在通过相机内参数 变换到 相机的图像平面上
    【2】由 PnP 算法可解的 旋转矩阵R  和平移向量t 
    【3】把从图像中得到的纹理信息 加入到 物体的三维纹理模型中
        在图像中提取特征点 和对应的描述子
        利用 内参数K 、 旋转矩阵R  和平移向量t  反向投影到三维空间
           标记 该反投影的3d点 是否在三维物体的 某个平面上
    【4】将 2d-3d点对 、关键点 以及 关键点描述子 存入物体的三维纹理模型中

src/main_detection.cpp

    【0】 读取网格数据文件 和 三维纹理数据文件 获取3d描述数据库 
          设置特征检测器 描述子提取器 描述子匹配器 
    【1】 场景中提取特征点 描述子 在　模型库(3d描述子数据库 
          3d points +description )中提取　匹配点 
    【2】 获取场景图片中　和　模型库中匹配的2d-3d点对
    【3】 使用PnP + Ransac进行姿态估计 
    【4】 显示 PNP求解后　得到的内点
    【5】 使用线性卡尔曼滤波去除错误的姿态估计
    【6】 更新pnp 的　变换矩阵
    【7】 显示位姿　轴 帧率 可信度 
    【8】显示调试数据