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

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

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