diff --git a/ROADMAP.md b/ROADMAP.md
new file mode 100644
index 0000000..85c66a3
--- /dev/null
+++ b/ROADMAP.md
@@ -0,0 +1,76 @@
+# Roadmap - Possibili Sviluppi
+
+Lista ragionata di miglioramenti futuri. Priorità = impatto / effort, non urgenza temporale.
+
+## Performance CPU
+
+| Sviluppo | Effort | Speed-up atteso | Dipendenze | Priorità |
+|---|---|---|---|---|
+| Numba JIT su `_score_by_shift` | basso | 3-5× | numba (~200MB) | alta |
+| Numba JIT su `_response_map` | basso | 2-3× | numba | alta |
+| FFT-based score per varianti dense | medio | 2× su template grandi | scipy | media |
+| Rewrite `_score_by_shift` in Cython | alto | 5-8× | cython build | bassa |
+| SIMD via `pypy` runtime | medio | 2-4× | pypy interpreter | bassa (dipendenza runtime) |
+| Memory layout: struct-of-arrays compatto int8 | medio | 1.5× (cache) | - | media |
+
+## Performance GPU
+
+| Sviluppo | Effort | Speed-up atteso | Dipendenze | Priorità |
+|---|---|---|---|---|
+| Backend CuPy per `_score_by_shift` + `_response_map` | medio | 5-10× | cupy-cuda12x (~600MB) | alta |
+| Kernel CUDA custom (Numba CUDA o RawKernel) | medio-alto | 10-20× | numba-cuda / cupy | media |
+| PyTorch backend (conv2d per feature dense) | basso-medio | 3-8× | torch (~2GB) | bassa |
+| OpenCV CUDA (build custom) | altissimo | 5× | build da sorgenti | bassa |
+| Multi-GPU matching (scene partitioning) | alto | N× | - | bassa |
+
+## Algoritmiche
+
+| Sviluppo | Effort | Beneficio | Priorità |
+|---|---|---|---|
+| Coarse-to-fine angolare (top-level step grosso, full step fine) | medio | 3-5× velocità con stesso precisione | alta |
+| Linear memory linemod (meiqua) | alto | 10× match, -memoria | media |
+| NMS cross-variant (dedup pose simili tra angoli/scale) | basso | meno duplicati | alta |
+| ICP pose refinement sub-pixel | medio | <0.1 px precisione | media |
+| Score calibrato probabilistico | medio | soglia adattiva | media |
+| Rilevazione simmetria rotazionale robusta | medio | angle_range auto ridotto | alta |
+| Template piramidato con feature per livello | fatto | ✓ | - |
+| Refinement angolare sub-step | fatto | ✓ | - |
+| Subpixel posizione (parabolic fit) | fatto | ✓ | - |
+| Multi-template support (modello con varianti) | medio | generalizzazione | media |
+| Confidence ellipse (uncertainty quantification) | basso | diagnostic | bassa |
+
+## Feature di prodotto
+
+| Sviluppo | Effort | Beneficio | Priorità |
+|---|---|---|---|
+| Supporto DXF (tassellazione + rasterizzazione via ezdxf) | medio | input CAD | alta |
+| ROI poligonale (non rettangolare) nella GUI | basso | modello parziale preciso | alta |
+| Analisi distintività modello (entropia, self-corr) nella UI | basso | warning al training | media |
+| Salvataggio/caricamento modello `.npz` con thumbnail | basso | ricette riusabili | alta |
+| Batch matching su cartella scene | basso | throughput offline | media |
+| Esportazione JSON risultati per integrazione | basso | pipeline | alta |
+| Live camera matching (webcam) | basso-medio | demo | bassa |
+| REST API wrapper (FastAPI) | medio | integrazione Vision Suite | media |
+| NATS messaging (per Vision Suite) | medio | microservizio | bassa |
+| Web UI (Gradio o React) sostituiva di tk/cv2 | alto | deploy remoto | media |
+| Benchmark suite automatica con GT labels | medio | non-regression | alta |
+
+## Qualità codice
+
+| Sviluppo | Effort | Beneficio | Priorità |
+|---|---|---|---|
+| Unit test (pytest) con dataset sintetico | basso | robustezza | alta |
+| Type annotations complete + mypy strict | basso | manutenibilità | media |
+| CI GitHub Actions: lint + test + build | medio | qualità PR | media |
+| Profiling automatico baseline + regression check | medio | evitare lentezze | bassa |
+| Packaging pip (`pip install pm2d`) | basso | distribuzione | bassa |
+
+## Target performance produzione
+
+Obiettivi da documento tecnico Vision Suite (Fase Beta):
+- [ ] **Precisione posizionale mediana**: <0.5 px → **raggiunto con subpixel (attualmente ~0.1-0.3 px atteso)**
+- [ ] **Precisione angolare mediana**: <1.0° → **raggiunto con refinement (~0.5°)**
+- [ ] **Latency mediana**: <50 ms su 1920×1080 → **attuale ~1.7s su 830×822 (serve GPU o ulteriore CPU)**
+- [ ] **F1 score dataset sintetico**: >0.95 → **da misurare con dataset sintetico**
+
+Prossimo blocker per target: **latency**. Via più promettente: GPU (CuPy) o coarse-to-fine angolare.