特征匹配是計算機視覺和圖形圖像處理領域中很多研究方向的基礎，也是當前的研究熱點．SIFT（scale-invariant feature transformation）特征因其具有尺度、旋轉(zhuǎn)不變性對-定范圍的仿射及視角變換具有魯棒性等優(yōu)點，自Lowe提出后，10多年來一直受到眾多研究人員的關(guān)注．匹配的快速性和準確性是很多應用對特征匹配的要求，如三維重建中立體圖像對（stereo palrwlse image，簡稱SPD的匹配．針對這一問題，以SIFT特征為基礎，提出用于SPI匹配的方向大約一致（approximately consistent in orientation，簡稱ACIO）約束關(guān)系，其描述了SPI的匹配特征向量間的空間位置關(guān)系，有效地避免了誤匹配的發(fā)生，提高了匹配的精度；通過對標準K-d樹（standard K-d tree，簡稱SKD-tree）結(jié)構(gòu)的分析，提出了層次結(jié)構(gòu)K-d樹（hierarchical K-d tree，簡稱HKD-tree），將SPI特征集根據(jù)ACIO約束關(guān)系劃分成層次結(jié)構(gòu)并建立映射，該方法縮小了搜索空間，從而達到加速匹配的目的．在ACIO和HKD-tree的基礎上，提出了高效、快速的匹配算法．實驗結(jié)果表明，所提方法比SKD-tree方法和最新的級聯(lián)哈希方法（cascade hash，簡稱CasHash）在精度上略占優(yōu)勢，但在匹配速度上比SKD-tree快一個數(shù)量級以上，同時也數(shù)倍于CasHash.