特征匹配算法中常用的特征描述子有以下几种：

  1. SIFT（Scale-Invariant Feature Transform）：SIFT是一种基于尺度不变性的特征描述子。它通过提取图像的局部特征点，并对其进行尺度归一化和旋转不变性处理，生成唯一的描述子，用于特征匹配。

  2. SURF（Speeded Up Robust Features）：SURF也是一种基于尺度不变性的特征描述子。与SIFT类似，SURF也能够提取图像的局部特征点，并生成与尺度和旋转无关的描述子。相比SIFT，SURF在计算速度上更快。

  3. ORB（Oriented FAST and Rotated BRIEF）：ORB是一种高效的特征描述子，结合了FAST角点检测算法和BRIEF特征描述算法。ORB能够快速提取图像的特征点，并生成旋转不变性的描述子。它在速度和稳定性上都有较好的表现。

  4. BRISK（Binary Robust Invariant Scalable Keypoints）：BRISK是一种二进制特征描述子，它结合了Harris角点检测和测量局部斑点的旋转不变性。BRISK具有较快的计算速度，并且对旋转、尺度和亮度变化具有较强的鲁棒性。

  5. FREAK（Fast Retina Keypoint）：FREAK是一种针对计算机视觉任务的特征描述子。它通过在图像的不同频率上提取斑点，并对其进行局部方向估计和二进制编码，生成描述子。FREAK在计算速度和描述能力上都有很好的平衡。

  以上是常见的几种特征描述子，它们在不同的应用场景和要求下具有不同的优势和特点。在进行特征匹配时，可以根据具体需求选择合适的描述子来提取和匹配图像的特征。