机器视觉中常用的特征提取算法主要包括以下几种：
1. SIFT（尺度不变特征变换）：这是一种常用的特征提取方法，具有尺度不变性，能够在不同尺度的图像中提取出稳定的特征点。
2. SURF（加速稳健特征）：与SIFT类似，SURF也是一种稳健的特征提取算法，但计算速度更快，适用于实时应用。
3. HOG（方向梯度直方图）：HOG算法通过计算图像中梯度的方向直方图来提取特征，特别适用于行人检测等任务。
4. ORB（Oriented FAST and Rotated BRIEF）：ORB是一种快速且稳健的特征提取算法，结合了FAST特征点检测和BRIEF描述子的优点。
5. Harris角点检测：Harris角点检测算法是一种基于图像灰度变化的特征提取方法，能够检测出图像中的角点特征。
还有一些其他的特征提取算法，如LBP（局部二值模式）、HAAR特征等，也在机器视觉中得到了广泛应用。这些算法各有优缺点，选择哪种算法取决于具体的应用场景和需求。
