写一个能在matlab低版本运行的orb代码，要求：1 实现图片的特征点提取和匹配 2 显示匹配结果

### 回答1：
以下是一个能在 MATLAB 低版本运行的 ORB 算法代码：

% 读入图像
img1 = imread('image1.jpg');
img2 = imread('image2.jpg');

% 创建 ORB 提取器
orb = cv.ORB('MaxFeatures', 500);

% 提取特征点和描述符
[keypoints1, descriptors1] = orb.detectAndCompute(img1, 'Mask', []);
[keypoints2, descriptors2] = orb.detectAndCompute(img2, 'Mask', []);

% 创建暴力匹配器
matcher = cv.DescriptorMatcher('BruteForce-Hamming');

% 计算匹配点
matches = matcher.match(descriptors1, descriptors2);

% 显示匹配结果
img_matches = cv.drawMatches(img1, keypoints1, img2, keypoints2, matches);
imshow(img_matches);

注意：这段代码需要 OpenCV 库的支持，如果没有安装可以在 MATLAB 中使用 `cv.addpath` 命令安装。

### 回答2：
在MATLAB低版本中实现ORB算法的代码如下所示：

% 读取图像
img1 = imread('image1.jpg');
img2 = imread('image2.jpg');

% 转换为灰度图像
gray1 = rgb2gray(img1);
gray2 = rgb2gray(img2);

% 创建ORB对象
if verLessThan('vision', '6.0')
     detector = cv.FeatureDetector('ORB');
     extractor = cv.DescriptorExtractor('ORB');
     matcher = cv.DescriptorMatcher('BruteForce');
else
     detector = cv.ORB();
     extractor = cv.ORB();
     matcher = cv.DescriptorMatcher('BruteForce-Hamming');
end

% 检测图像中的特征点
keypoints1 = detector.detect(gray1);
keypoints2 = detector.detect(gray2);

% 提取特征描述符
[keypoints1, features1] = extractor.compute(gray1, keypoints1);
[keypoints2, features2] = extractor.compute(gray2, keypoints2);

% 使用匹配器进行特征点匹配
matches = matcher.match(features1, features2);

% 选择最佳匹配对
distances = [matches.distance];
[maxDist, ~] = max(distances);
threshold = 0.6 * maxDist;
bestMatches = matches([matches.distance] < threshold);

% 显示匹配结果
matchedImg = cv.drawMatches(img1, keypoints1, img2, keypoints2, bestMatches);
figure;
imshow(matchedImg);

请注意，该代码使用的是OpenCV库的MATLAB接口。如果您的MATLAB版本低于6.0，则需要安装并加载适当的 OpenCV 2.x 或 3.x 版本的 MATLAB 接口。另外，您需要在代码中将 `image1.jpg` 和 `image2.jpg` 替换为您自己的图像路径。

### 回答3：
在MATLAB低版本中，ORB特征点提取和匹配可以通过以下步骤实现：

1. 导入图像并转为灰度图像：

img1 = imread('image1.jpg');
img2 = imread('image2.jpg');
gray1 = rgb2gray(img1);
gray2 = rgb2gray(img2);

2. 创建ORB特征提取器：

if verLessThan('vision', '3.0')
    detector = cv.FeatureDetector('ORB');
    extractor = cv.DescriptorExtractor('ORB');
else
    detector = cv.ORB();
    extractor = cv.ORB();
end

3. 提取关键点和描述子：

points1 = detector.detect(gray1);
points2 = detector.detect(gray2);
keypoints1 = cv.KeyPointsFilter.runByImageBorder(points1, size(gray1));
keypoints2 = cv.KeyPointsFilter.runByImageBorder(points2, size(gray2));

[features1, validKeypoints1] = extractor.compute(gray1, keypoints1);
[features2, validKeypoints2] = extractor.compute(gray2, keypoints2);

4. 进行特征匹配：

if verLessThan('vision', '3.0')
    matcher = cv.DescriptorMatcher('BruteForce-Hamming');
else
    matcher = cv.DescriptorMatcher('BruteForce');
end

matches = matcher.match(features1, features2);

5. 选取最佳匹配：

distances = [matches.distance];
[minDist, minIndex] = min(distances);
bestMatches = matches(minIndex);

6. 显示匹配结果：

outImg = cv.drawMatches(img1, validKeypoints1, img2, validKeypoints2, bestMatches);
imshow(outImg);

这样简单的代码就完成了在MATLAB低版本中实现ORB特征点提取和匹配并显示匹配结果的过程。请注意，在低版本的MATLAB中，一些函数和类名可能与高版本稍有不同，需根据实际情况进行调整。