https://blog.csdn.net/u010821666/article/details/52883580

Opencv中KeyPoint类中的默认构造函数如下： 

CV_WRAP KeyPoint() : pt(0,0), size(0), angle(-1), response(0), octave(0), class_id(-1) {}
现分析各项属性

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，值为[零,三百六十)，负值表示不使用。

response:响应强度，网络上有如下解释：

1)”The response, by which the strongest keypoints have been selected.”

2)”Responseis indeed an indicator of “how good” (roughly speaking, in terms of corner-ness) a point is. The higher, the better. The strongest keypoints means the ones that are the best.“

octacv:从哪一层金字塔得到的此关键点。

class_id:当要对图片进行分类时，用class_id对每个关键点进行区分，默认为-1。
https://blog.csdn.net/linsk/article/details/76838878

你可以看到，每个关键点都有一个cv :: Point2f成员，这只是告诉我们它位于哪里。size告诉我们关于关键点周围的区域，无论是在某种程度上都包含关键点存在的确定，或者在这个关键点的描述符中扮演一个角色。Angle仅对某些关键点有意义，许多关键点实现旋转对称，而不是在最严格的意义上实际上是不变的，而是通过在比较两个描述符时可以考虑某种自然方向（这不是一个复杂的想法，如果你正在看铅笔的两个图像，旋转显然很重要，但是如果你想比较它们，你可以在进行比较之前以相同的方向轻松地将它们形象化）。

response可以用于更强烈地响应一个关键点的探测器。在某些情况下，这可以被解释为该特征实际存在的概率。Octave被用来当在图像金字塔中找到关键点时，在这些情况下，重要的是知道哪个标尺是关键点，因为在大多数情况下，我们希望在新图像中以相同或相似的比例找到匹配。最后，关于类ID，在构造关键点数据库时，使用class_id来区分与一个对象相关联的关键点和与另一个对象相关联的关键点（当我们在“摘要”关键点匹配类别中讨论关键点匹配接口时，我们将返回到这一点： cv :: DescriptorMatcher）。

cv :: KeyPoint对象有两个构造函数，它们基本相同；其唯一的区别是您可以设置关键点的位置与两个浮点数或单个cv :: Point2f对象。 其实呢，除非你正在编写自己的关键点查找器，你不会倾向于使用这些功能。如果您正在使用库中可用的检测，描述符构造和比较功能，通常您甚至不会看到关键点对象。