AGV小車係統的誤差補償算（suàn）法主要有以下幾種（zhǒng）：
卡爾曼濾波算法
預測：使用AGV機器人在（zài）時刻(k)和因為（wéi）控製輸入(u(k))產生的移（yí）動，預測（cè）AGV機（jī）器人在時刻(k + 1)的角度。
測量預測：利用所預測的機器人坐標位置和地（dì）理（lǐ）坐標產生的（de）預測特征的觀測為(Z)，預（yù）測的特征轉換到傳感器框架內的機（jī）器人位置表達（dá）式為(\hat{Z}(k + 1)=h(Z(k + 1|k)))。
匹配：匹配步驟其實具有辨識的作用，在形式上，匹配過程（chéng）的目的，就是產生一個從（cóng）觀測(Z(k + 1))到目標(Z)的分配。相應於觀測所找（zhǎo）到的測量預測，香蕉直播計算修正(v(k + 1))。修正是（shì）預測和觀測之間差別的度量：(v(k + 1)=\hat{Z}(k + 1)-Z(k + 1))。
估（gū）計：根據角度預測（cè）和在時（shí）刻(k + 1)的所有觀測，計（jì）算機器人位置的最佳估計(\hat{X}(k + 1|k + 1))。卡爾曼公式可以被寫成為：(\hat{X}(k + 1|k + 1)=\hat{X}(k + 1|k)+K(k + 1)\cdot v(k + 1))。
視覺定標方法
識別QR碼：通過相機識別到QR碼後，提取QR碼特征點在網絡中（zhōng）的位置。
計算（suàn）偏差：計算當前QR碼與AGV小車之間的位置偏差和姿態對AGV小車校正。
S形曲線修正算法
記錄路程差：通過左右編碼器記錄（lù）的路程差對AGV小車進行位置偏差校正。
反距離加權空間插值與補（bǔ）償方法
尋找立方體網格：尋找該補償點(p)所在（zài）的立方體網格。
計算距離：求出待補償點(p)理論坐標與所在的立方體網格(8)個頂點的實際定位坐標之（zhī）間的（de）距離(d_i(i = 1,2...8))。
求得權值：通過反距離加權求得待補償點（diǎn）(p)相對於立方體各頂點的權值(k_i(i = 1,2...8))。
加權（quán）平均：根據該待補償點(p)相對於立方體(8)個（gè）頂點的權值(k_i)，在(x,y,z)三個方向上對實際（jì）定位誤差分別進行加權平均，得到待補償（cháng）點(p)在(x,y,z)三個方向上的預測誤差(\delta x、\delta y、\delta z)。
反向迭加：對待補償（cháng）點的理論位置反向迭加其定位（wèi）誤差的預測值，得到誤差反向修正後的定位坐標(x′、y′、z′)。
基（jī）於運（yùn）動學（xué）參數模型的誤差補償方法
坐標係建立：獲取機（jī）器人上一個動作後，機器人（rén）上的末端執行（háng）器停留時的所在（zài）位置，並建立坐標係。
參數模板建立（lì）：建（jiàn）立機器（qì）人的（de）運動學參數模型，包括運動學正逆解、雅可比矩陣和海（hǎi）森矩陣；根據機器人的關節剛度，結合雅可比矩陣和保守剛度轉換理論（lùn），建立機器人受重力（lì）、慣性力和外力的剛度矩（jǔ）陣(k)；在運動學和剛度（dù）基（jī）礎上，建立機器人的動力（lì）學模型。
建立運動軌（guǐ）跡：根據機器人所要運動位置的終點，選取坐標係中一點為其運動終點，並在機器人停留位（wèi）置和運動終點之間建立運動軌跡。
運動執行：機器人根據建立的（de）運動軌跡進行運動，當機器人運動（dòng）接（jiē）受後（hòu），末端執行器將此時所（suǒ）停留位置與原先設定（dìng）位（wèi）置進行對比，判斷其誤差值（zhí）。
誤差（chà）補償：誤差值大於預設值時（shí），帶動機器人運動重複操作上述步驟，根據機器（qì）人的運動參（cān）數模型設定機器人下一步的運動軌（guǐ）跡和參數，對誤差進行補償，直至機器人運動後位置的誤差值小於預設值；當誤差值小於預設（shè）值時，機器人執行下一步驟。
