特征匹配是计算机视觉中的一项基础技术，指通过提取和比较图像中的关键点特征（如边缘、角点、纹理等），在不同图像间建立对应关系的过程。其核心在于利用特征描述子（如SIFT、ORB等算法生成的向量）量化局部图像特征，并通过距离度量（如欧氏距离）寻找最相似的匹配对。理想的特征匹配应具备旋转不变性、尺度不变性和光照鲁棒性，这对于自动驾驶在复杂环境中的感知尤为重要。
在自动驾驶领域，特征匹配技术广泛应用于视觉定位、多传感器融合和物体跟踪等场景。例如，通过匹配连续帧图像的特征点，车辆可以估算自身运动（视觉里程计）；或将摄像头特征点与高精地图的语义特征匹配实现精准定位。随着深度学习发展，基于神经网络的特征提取（如SuperPoint）进一步提升了匹配精度和效率，但传统方法因其可靠性和可解释性仍在特定场景中保留优势。