機器視覺中常用的特征提取算法主要包括以下幾種：

1. SIFT（尺度不變特征變換）：這是一種常用的特征提取方法，具有尺度不變性，能夠在不同尺度的圖像中提取出穩(wěn)定的特征點。

2. SURF（加速穩(wěn)健特征）：與SIFT類似，SURF也是一種穩(wěn)健的特征提取算法，但計算速度更快，適用于實時應用。

3. HOG（方向梯度直方圖）：HOG算法通過計算圖像中梯度的方向直方圖來提取特征，特別適用于行人檢測等任務。

4. ORB（Oriented FAST and Rotated BRIEF）：ORB是一種快速且穩(wěn)健的特征提取算法，結(jié)合了FAST特征點檢測和BRIEF描述子的優(yōu)點。

5. Harris角點檢測：Harris角點檢測算法是一種基于圖像灰度變化的特征提取方法，能夠檢測出圖像中的角點特征。

還有一些其他的特征提取算法，如LBP（局部二值模式）、HAAR特征等，也在機器視覺中得到了廣泛應用。這些算法各有優(yōu)缺點，選擇哪種算法取決于具體的應用場景和需求。