如何在C++中使用OpenCV的xfeature2d模块实现关键点匹配的测试代码示例？（注：1、尽可能的使用命名空间，简化输入）

在C++中，使用OpenCV的`xfeatures2d`模块进行关键点匹配通常涉及到以下几个步骤：特征检测、描述符提取、特征匹配以及结果可视化。这里有一个简单的例子，展示了如何使用SURF（Speeded Up Robust Features）算法进行关键点匹配：

#include <opencv2/xfeatures2d.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/features2d.hpp>
#include <opencv2/flann.hpp>

namespace cv { namespace flann {} } // 使用OpenCV的flann库

using namespace std;
using namespace cv;

int main()
{
    string img1_path = "image1.jpg";
    string img2_path = "image2.jpg";

    // 读取图片
    Mat img1 = imread(img1_path, IMREAD_GRAYSCALE);
    Mat img2 = imread(img2_path, IMREAD_GRAYSCALE);

    if (img1.empty() || img2.empty()) {
        cout << "Error: Could not open images." << endl;
        return -1;
    }

    // 初始化特征检测器和描述符生成器
    Ptr<FeatureDetector> detector = SURF::create();
    Ptr<DescriptorExtractor> descriptor = DESCRIPTOR_EXTRACTOR::create("SURF");

    // 提取关键点和描述符
    vector<KeyPoint> keypoints1, keypoints2;
    Mat descriptors1, descriptors2;
    detector->detect(img1, keypoints1);
    descriptor->compute(img1, keypoints1, descriptors1);
    detector->detect(img2, keypoints2);
    descriptor->compute(img2, keypoints2, descriptors2);

    // 创建FLANN匹配器
    FlannBasedMatcher matcher;
    matcher.radiusMatch(descriptors1, descriptors2, matches, 0.8); // 设置最大距离比

    // 展示匹配结果
    Mat result_matches, img_matches;
    drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches, Scalar::all(-1), Scalar::all(-1), vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);
    imshow("Match Results", img_matches);

    waitKey(0);
    return 0;
}

这个示例中，我们首先读取两张灰度图像，然后分别用SURF提取关键点和描述符。接着使用FLANN匹配器找到匹配的关键点对，并将匹配结果显示出来。