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。

麻省理工学院成功研制出世界上台计算机数控(CNC)铣床.数控铣床的出现带来了新的机械打磨设备和铸件后加工打磨的新工艺。用数控铣床进行铸造后处理时，将待抛光的工件固定在铣床工作空间的标准化夹紧装置上，由数控程序控制磨具进行打磨加工.虽然数控铣床可以用于铸件的后加工打磨，但其工作空间小，机床灵活性差。作为机床的替代品，工业机器人越来越多地应用于打磨领域。1986年，麻省理工学院的Tate，A. R .利用机器人实现了焊缝的自动打磨，将向力控制在40 N，参考力的大频率控制在2.3 Hz.后来，另一位研究人员彭J等人，设计了被动打磨装置，研究了打磨过程的特点以及偏转角在被动打磨过程中的影响。为了满足打磨复杂零件的要求，哈尔滨工业大学郭等设计并研制了一种工作空间灵活、姿态调整灵活的复合五自由度工作机器人

基于Welsch函数的稳健误差测量方法的引入是为了实现与稀疏ICP相似或更好的准确性，同时将速度提高一个数量级。本发明为打磨机器人感知数据的获取提供了理论和方法支持，并能进一步提高打磨工件的复杂度。

智能点云配准方法

基于端到端学习的方法可用于使用端到端神经网络解决注册问题。端到端学习方法将配准问题转化为回归问题，并将转化估计嵌入神经网络中。

由于智能点云配准方法的发展较晚，齐在2017年提出了一个名为PointNet的神经网络，为分类，分割和场景语义分析等应用提供了一个统一的框架。