在传统的高精度打磨中，由于效率低、精度低以及对工人健康的损害，已经不能满足市场需求。市场需要现代高精度打磨技术。现代打磨技术利用视觉加工实现高精度打磨；然而，市场上的大多数打磨技术使用2D视觉。在打磨系统中，通常采用2D视觉方法对工件进行打磨，可以方便地获取和处理与工件有关的简单数据。但如果形状复杂，采集的数据就不完整，设备的遮挡、精度低、路径规划都会产生干扰。3D视觉的发展非常迅速，一些研究人员已经开始研究在铸造后处理中使用3D视觉。但是，由于只有高精度的算法处理才能获得高精度的数据，因此仍然存在速度慢、精度低的问题；这些数据可用于工件的抛光和高精度打磨规划。高精度校准和配准算法是高精度打磨的必要条件。近年来，为了弥补传统打磨的不足，研究者们对智能打磨方法进行了大量的探索。

林德斯特兰德研究了测量钢铁工业中管道和棒材直径的激光测量方法。早期应用的特点是精度低，处理速度慢，易受环境干扰。近年来，研究人员研究了激光传感器的工业应用。华中科技大学的徐晓虎使用激光传感器优化了传统的手眼校准算法及其各个方面，并建立了基于刀具中心坐标的手眼标定模型，以获得机器人与激光扫描仪之间的空间位姿关系。拟合误差计算为F = 0.060 mm。更重要的是，当规划了合适的路径时，整个自动校准过程仅持续20 s，这大大节省了校准时间。A. Seidel尝试使用协作式激光轮廓仪获取夹紧位置的几何形状，并使用自适应铣削路径规划方法自动抵消事故引起的零件位置和形状的变化

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。