质量和一致性

经过适当编程和优化的机器人将一致地打磨和抛光每个零件，消除了过度打磨和底切等常见的操作员错误。这减少了报废零件的数量，并提高了您送出的零件的整体质量。

生产力和效率

像所有形式的工业自动化(包括机器人焊接)一样，机器人打磨有助于减少生产线上的周期时间。机器人可以全天候执行焊接打磨和倒角任务，并且它们能够施加更大的力，从而在打磨过程中实现更快的切割速度。

长期成本节约

虽然实施自动化的前期成本可能很高，但在生产率和一致性方面的收益有助于确保投资收回成本。

铣削机器人和机械手可用于管道系统内部凹槽需要打磨和局部缺陷必须立即清除的各种情况。

在铸件打磨过程中，温度、噪声、振动、灰尘、光线等不确定性强的干扰不可避免，限制了视觉传感器的推广和使用。激光传感器可以弥补上述的一些不足，特别是那些由灰尘引起的不足.

早在20世纪70年代，Nitzan等人就利用激光测距系统的距离和强度信息来描述室内场景，激光测距的稳定性和可靠性得到了充分的验证.激光扫描技术在测绘领域得到了进一步发展。在20世纪80年代和90年代，Kak提出在机器人的末端安装单目激光视觉传感器，以扫描被测物体的表面。

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