由于非结构曲面铸造工艺的限制，铸件毛刺、翻边、流挂等随机干扰。不仅严重影响基准的确定，而且会导致打磨过程中载荷的急剧变化。因此，在打磨前准确获取加工零件的三维结构信息是非常重要的。然后可以对获得的3D结构信息进行处理，并且可以根据实际情况终采用规划打磨策略。在成型的过程中还会出现铸件整体形状倾向的时间变化，增加了铸件后期加工的难度。

随着砂型等模具使用次数的增加，模具与铸件的结合面会因磨损或粘连而发生有规律的变化，引起厚度变化、倾斜变化或整体结垢。反过来，这会导致原始基准的丢失和铸件的整体变形。

早在1992年Besl，P. J .就使用了一种通用的ICP算法来和有效地配准3D形状。该算法的一个重要应用场景是在形状检测之前，将刚性物体的传感装置重复测量的数据与理想几何模型进行配准，以提高传感数据的精度.国际比较方案的主要缺点是收敛速度慢、对异常值、缺失数据和部分重叠的敏感性。2013年，Pauly M提出了稀疏ICP，通过稀疏优化以牺牲计算速度为代价实现了鲁棒性.2021年，张提出了一种快速收敛的鲁棒配准方法。证明了经典的点到点ICP可以看作是一个控制化(MM)算法，并提出了一种加速收敛的Anderson加速方法

在视觉识别过程中，打磨环境复杂，适应性好、精度高的传感设备是重点突破方向。传感设备需要准确感知工件的位置和形状等信息。感知后，可以使用高精度的匹配视觉算法。迫切需要改进登记工作。

高速打磨系统需要恒定打磨接触力的反馈控制。打磨力的高精度控制对于复杂零件打磨表面的一致性非常重要。恒力机构在打磨领域的应用为打磨力的控制提供了新的研究思路。

在打磨过程中，材料的去除量直接影响打磨精度。为了获得去除材料量的估计，需要离线测量来建立预测模型。目前，预测模型精度低，对环境影响严重。一个能够准确预测材料去除的模型可以在打磨材料去除过程中获得更高的效率和精度