La presente tesi si colloca all’interno del progetto Europeo DI-VISION volto allo sviluppo di riferibilità metrologica per metodi di visione artificiale. La caratterizzazione di superfici 3-dimensionali è necessaria a qualificare la forma e la topografia dei componenti. Metodi innovativi di misura permettono l’acquisizione di topografie con microscopi a variazione di fuoco movimentati da bracci robotici collaborativi (cobot). Al fine di permettere la qualifica dimensionale è necessario effettuare molteplici misure e poi registrarle al fine di ottenere una misura estesa. Tale operazione di registrazione e stitching è critica per garantire l’accuratezza della misura. La tesi si pone l’obiettivo di integrare algoritmi di registrazione (ICP) con metodi di ottimizzazione di machine learning per effettuare la registrazione e lo stitching delle misure includendo nell’operazione l’incertezza di posizionamento del sensore.