基础矩阵（Fundamental Matrix）是计算机视觉领域中描述两幅图像间极几何关系的3×3矩阵，它编码了双目相机系统的内在几何约束。当空间中的同一点在两个不同视角下成像时，基础矩阵确立了这两个像点坐标间的数学关系，即x’ᵀFx=0，其中x和x’分别是三维点在两幅图像中的对应点。这个矩阵仅由相机的内参和相对位姿决定，与场景结构无关，是立体视觉和运动恢复结构（SfM）中的核心数学工具。
在自动驾驶领域，基础矩阵为多目视觉系统的深度估计提供了理论基础。通过车载前视或环视摄像头捕捉的连续帧图像，算法可计算基础矩阵来恢复车辆与环境的相对运动，进而实现障碍物距离测算和场景三维重建。实际应用中常与特征点匹配、RANSAC算法结合使用，能有效提升视觉里程计（VO）和同步定位与地图构建（SLAM）系统的鲁棒性。近年来，随着深度学习与几何视觉的融合，基础矩阵的估计精度和计算效率已显著提升，成为自动驾驶感知模块的重要支撑技术。