在OpenCV4.6版本下，用C++生成以下代码：使用OpenCV中的stitcher函数完成两张图片的拼接，其中特征点检测使用ORB算法

请参考以下代码：

#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 读取两张图片
    Mat img1 = imread("image1.jpg", IMREAD_GRAYSCALE);
    Mat img2 = imread("image2.jpg", IMREAD_GRAYSCALE);

    // 检测特征点
    Ptr<FeatureDetector> detector = ORB::create();
    vector<KeyPoint> keypoints1, keypoints2;
    detector->detect(img1, keypoints1);
    detector->detect(img2, keypoints2);

    // 描述特征点
    Ptr<DescriptorExtractor> extractor = ORB::create();
    Mat descriptors1, descriptors2;
    extractor->compute(img1, keypoints1, descriptors1);
    extractor->compute(img2, keypoints2, descriptors2);

    // 匹配特征点
    vector<DMatch> matches;
    Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce-Hamming");
    matcher->match(descriptors1, descriptors2, matches);

    // 筛选匹配点
    vector<Point2f> points1, points2;
    for (size_t i = 0; i < matches.size(); i++)
    {
        points1.push_back(keypoints1[matches[i].queryIdx].pt);
        points2.push_back(keypoints2[matches[i].trainIdx].pt);
    }

    // 计算单应矩阵
    Mat H = findHomography(points1, points2, RANSAC, 3);

    // 拼接图片
    Mat result;
    warpPerspective(img1, result, H, Size(img1.cols + img2.cols, img1.rows));
    Mat roi(result, Rect(img1.cols, 0, img2.cols, img2.rows));
    img2.copyTo(roi);

    // 显示结果
    namedWindow("Result", WINDOW_NORMAL);
    imshow("Result", result);
    waitKey(0);

    return 0;
}

其中，需要注意的是，需要安装OpenCV的contrib模块，以及安装OpenCV的contrib模块中的stitching模块，才能使用Stitcher函数。