在石器时代，石磨主要用来制作各种刀、石斧和其他工具。在青铜时代，中国作为早采用铜冶炼的国家，掌握了先进的铸造后处理技术。锉刀用于弥补铸造缺陷，使铸件表面光滑，并使和工具更加锋利和抛光.进入铁器时代后，出现了旋转式磨具，为后续的机械打磨提供了参考。随着铁器和旋转工具的出现，以及蒸汽机出现后次工业革命的到来，制造材料主要是铸铁。虽然铸造产品发生了变化，但打磨方法仍然采用手工打磨。西门子在1866年开发了发电机，为机械打磨提供了技术支持。1914年，美国3M公司开发的砂纸产生了一种用于铸件后处理的新打磨工具。发展随后进入铸件后处理中人工与机械打磨相结合的时期，一直延续至今。

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。

随着铸件产量的增加，手工打磨效率低，并且会严害打磨工人的肺和手臂。相对于手工打磨，机械打磨不需要工人接触工件，系统刚性好，振动小，所以打磨精度高。但由于灵活性差，空间小，只能打磨特定铸件。针对工作空间小、柔性差的特点，基于柔顺控制理论的工业机器人打磨采用力和位置控制进行打磨。这种方法打磨精度高，工作空间大且灵活，但刚性差。近年来，发展了许多智能打磨方法。基于图像视觉的打磨位置判断使用视觉感知设备和视觉判断算法，由打磨设备执行判断功能；然而，这种方法受到环境的严重影响，并且局限于二维平面。基于激光传感的抛光部位判断方法使用激光传感装置和判断算法；这确保了抛光装置具有准确判断的功能，并且提供了良好的鲁棒性，但是该装置的数据采集速度较慢。数据驱动的打磨量预测方法利用先进的传感设备结合视觉预测算法，利用打磨过程中的图像和力数据预测终的打磨效果