AGV小車係統的誤差補償算法（fǎ）主要有以下幾種：
卡爾曼濾波算法
預測：使用AGV機（jī）器人在時刻(k)和因為（wéi）控製輸入(u(k))產生的移動（dòng），預測AGV機器人在時刻(k + 1)的角度。
測量預測（cè）：利用所（suǒ）預測的機器人坐標位置（zhì）和地理坐標產生的預測特征的觀測為(Z)，預測的特（tè）征轉換到傳感器框架內的機器人位置表達式為(\hat{Z}(k + 1)=h(Z(k + 1|k)))。
匹配（pèi）：匹配（pèi）步驟其實具有辨識的作用，在形式上，匹配過程的目的，就是產生一個從觀測(Z(k + 1))到目標(Z)的分配。相應於觀測所找到的測量預測（cè），香蕉直播計算修正(v(k + 1))。修正是預測和觀測之間差別的度量：(v(k + 1)=\hat{Z}(k + 1)-Z(k + 1))。
估計：根據角度預測和在時刻(k + 1)的所有觀測，計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（chéng）為（wéi）：(\hat{X}(k + 1|k + 1)=\hat{X}(k + 1|k)+K(k + 1)\cdot v(k + 1))。
視覺定標（biāo）方法
識別QR碼：通過相機識（shí）別到QR碼後，提取QR碼特征點在網絡中的位置。
計算偏差：計算當前QR碼與AGV小車（chē）之間的位置偏（piān）差和（hé）姿態對AGV小車校正。
S形（xíng）曲線修正（zhèng）算法
記錄路程差：通（tōng）過（guò）左右編碼器記錄的路程差對AGV小車進行位置偏差（chà）校正。
反距離加權（quán）空間插值與補償方法
尋找立方（fāng）體網格：尋（xún）找該補償點（diǎn）(p)所在的立方（fāng）體網格。
計算距離：求出待（dài）補償點(p)理論坐標與所在（zài）的立方體網格（gé）(8)個頂點的實（shí）際定位坐標之（zhī）間的距離（lí）(d_i(i = 1,2...8))。
求得權值：通過反距離加權求得待補（bǔ）償點(p)相對於立方體各頂點的權（quán）值(k_i(i = 1,2...8))。
加權（quán）平均：根據該（gāi）待補償點(p)相對於立方體(8)個（gè）頂點的（de）權值(k_i)，在(x,y,z)三個方向上對實際定（dìng）位誤差分別進行加權平均，得到待補償點(p)在(x,y,z)三個方向上的預測（cè）誤差(\delta x、\delta y、\delta z)。
反向（xiàng）迭（dié）加：對待補償點的理（lǐ）論位置反向迭加其定位誤差的預測值，得到誤差反向修正後的定位坐標（biāo）(x′、y′、z′)。
基於運動學參數模型（xíng）的誤差補償方法
坐標係建立：獲取機器人上一個動作後，機器人上的（de）末端執（zhí）行器停留時的所在位置，並建（jiàn）立坐標係。
參數模板建立：建立機器人的運動學（xué）參數模型，包括運（yùn）動學正逆解、雅可比（bǐ）矩陣和海森矩陣；根據機器人的關節剛度，結合（hé）雅可比（bǐ）矩陣和保守剛度轉換（huàn）理論，建立機器人（rén）受重力、慣性力和外力的剛度（dù）矩陣(k)；在運動學和剛度基礎上，建立機器（qì）人的動力學模型（xíng）。
建立（lì）運動軌跡：根據機器人所（suǒ）要運動位置的終（zhōng）點，選取坐標係中一點為其運動終（zhōng）點，並在（zài）機器人停留位置和運動終點之（zhī）間（jiān）建立運動軌跡。
運動執行（háng）：機器（qì）人根據建立的運動軌跡進行運動，當機器人運動接受後，末端執行器將此時所停留位置與原先設定位置進行對比，判斷其誤差（chà）值。
誤差補償：誤差值大於（yú）預設值時，帶動機器人運（yùn）動重複操作（zuò）上述步驟，根據機器人的運動參數模型設定機器人下一步的運動軌跡（jì）和參數，對誤差進（jìn）行補償，直至機器（qì）人運動後位置的誤差值小於預設（shè）值；當誤（wù）差值小於預設值時，機器人執行下一步驟。
