基于激光传感器的抛光机器人面对工厂恶劣的打磨环境有着的优势，即不受环境光的影响，精度也能满足铸件后处理的要求。通过数据驱动的预测方法可以在线预测打磨精度。

打磨表面粗糙度被认为是加工质量的关键指标之一.然而，由于磨粒分布的随机性和复杂性，很难预测。为了准确地估计抛光表面的粗糙度，有必要用多种方法获得打磨去除的材料量。通过打磨去除的材料量与多个参数有关，例如进给速度、转速、接触应力、打磨时间、工件材料、工件的几何特征以及磨头的状况。为

广泛使用的基于模型的方法是普雷斯顿方程，根据该方程，打磨期间的材料去除率与压力和介质与工件之间的相对速度成比例。

粗匹配的精度达不到制造业规定的精度，必须通过精匹配进一步提高精度。

传统的精细匹配算法以ICP算法为代表。该算法的原理是旋转矩阵稀有和平移向量T通过求解点集的ICP算法的公式(4)获得P我和X我。

该算法对于重叠率高、初始位置接近的点云具有良好的配准效果，但在计算量和迭代收敛速度方面存在不足。通过粗匹配，ICP算法可以解决重叠度低和初始位置差异大的问题。由于人工智能算法的发展，研究人员也对基于深度学习的点云智能配准进行了大量的研究。

传统点云配准方法

在传统配准算法的基础上，通过分析进一步提高了算法的速度和精度；传统算法的性能原理

目前，有两个10英尺直径的工作台用于零件，由第三个工作台支持，该工作台可以将工作引入和引出机器人的工作范围。所有三个工作台都由闭环液压致动器独立控制。工作台多可支撑四个零件，每个零件重达3，750磅。主桌具有相当大的额外容量，可支撑多达15，000磅的工作。工作台系统依靠多个液压缸，因此它是水平和均匀支撑的。

机器人打磨通过增加能够相对自由地在零件内部操作的灵活性而大大超越了5轴加工。清理铸件的内表面相对容易，因为机器人可以从任何一侧进入内部。

SET机器人打磨中心将CAD、CAM、视觉、称重传感器、主轴驱动和机器人结合成一个优雅的、高生产率的工作单元，解决了许多应用问题。新解决方案的经济效益引起了几家大公司的注意，它们表示有兴趣根据自己的要求测试该系统