分析opencv中keypoint数据结构的相关信息，找到opencv的document（http://docs.opencv.org/java/org/opencv/features2d/KeyPoint.html）。可以看到KeyPoint这数据结构中有如下数据结构：
angle：角度，表示关键点的方向，通过Lowe大神的论文可以知道，为了保证方向不变形，SIFT算法通过对关键点周围邻域进行梯度运算，求得该点方向。-1为初值。
class_id：当要对图片进行分类时，我们可以用class_id对每个特征点进行区分，未设定时为-1，需要靠自己设定
octave：代表是从金字塔哪一层提取的得到的数据。
pt：关键点点的坐标
response：响应程度，代表该点强壮大小，一开始我也理解不了，看到两位stackoverflow大大的原话（http://stackoverflow.com/questions/10328298/what-does-size-and-response-exactly-represent-in-a-surf-keypoint，http://stackoverflow.com/questions/24699495/opencv-keypoints-response-greater-or-less?lq=1）——response代表着该关键点how good，更确切的说，是该点角点的程度。瞬间明白。
size：该点直径的大小
注意一个问题：keypoint只是保存了opencv的sift库检测到的特征点的一些基本信息，也就上面所说的这些，但sift所提取出来的特征向量其实不是在这个里面，特征向量通过SiftDescriptorExtractor 提取，结果放在一个Mat的数据结构中。这个数据结构才真正保存了该特征点所对应的特征向量。具体见后文对SiftDescriptorExtractor 所生成的对象的详解。