util里提供了create_voc_step0用于批量生成features并保存，create_voc_step1读入features再生成聚类中心，比较适合大量语料库聚类中心的生成。
提取一张图的特征如下：
第一行是文件头，分别用32bit表示特征来自几张图（1）、特征描述子长度（128bit,=32B), 特征长度（89）， 特征类型（cv8u）
./utils/create_voc_step0 orb fea0 zs00.jpg Extracting features... reading image: zs00.jpg extracting features [ INFO:0] Initialize OpenCL runtime... done detecting features f.size = 1 f.cols = 32 f.rows = 89 f.type = 0
那么一个特征就是89行*32列的cv::Mat, 这样的特征在调voc.transform生成词向量之前需要先拉长成（32列*1行）的89维vector，像这样：
std::vector<cv::Mat> vf(features.rows); //改成这种格式才能用voc.transform
打印结果：
feature size: rows = 89 ; cols = 32 the 0th of vf: [32 x 1] the 1th of vf: [32 x 1] the 2th of vf: [32 x 1] the 3th of vf: [32 x 1] the 4th of vf: [32 x 1] the 5th of vf: [32 x 1] the 6th of vf: [32 x 1] the 7th of vf: [32 x 1] the 8th of vf: [32 x 1]
queryL1:
对每个entryId, 从word的权值和entryId权值中找里原点最近的，累加程序里的实现是
累加|qvalue-dvalue|-|qvalue|-|dvalue|，最后加负号/2即可