我正在尝试将图像与一组已知图像进行比较，并使用 Emgu CV 和 Surf 找到最接近的匹配项。我发现很多人都在尝试做同样的事情，但并不是一个使用 GPU 来提高速度的完整解决方案。
我得到的最接近的是这里的教程：
http://romovs.github.io/blog/2013/07/05/matching-image-to-a-set-of-images-with-emgu-cv/
然而，这并没有利用 GPU，而且对我的应用程序来说真的很慢。我需要像 SurfFeature 样本这样的快速的东西。
因此，我尝试重构该教程代码以匹配使用 GPU 的 SurfFeature 逻辑。GpuMat 在这里和那里替换 Matrix 一切都很顺利。但是当我进入上面教程的核心时，我遇到了一个主要问题，也就是说，将所有描述符连接成一个大矩阵的逻辑。我找不到将 GpuMat 相互附加的方法——即使我能做到，也不能保证 FlannIndex 搜索例程甚至可以与基于 Gpu 的代码一起使用。
所以现在我被困在我认为相对简单的事情上。多年来肯定有很多人试图这样做，所以我真的很惊讶没有公布的解决方案。
如果你能帮助我，我将不胜感激。总而言之，我需要执行以下操作：
使用 Surf（根据 SurfFeature 示例）为一组已知图像构建一个大型内存中（在 GPU 上）描述符和关键点列表。给定一个未知图像，搜索内存中的内容以找到最接近的匹配项（如果有）。
如果您能提供帮助，请提前致谢！