AGV小車係統的誤差補償算（suàn）法主（zhǔ）要有以下（xià）幾種：
卡爾曼濾波算法
預測：使用AGV機（jī）器人在時刻(k)和因為控製輸（shū）入(u(k))產生的移動，預測AGV機器人在時刻（kè）(k + 1)的角度。
測量預測：利用所預（yù）測的（de）機器人（rén）坐標位置和地理坐（zuò）標產生的預測特征的觀測為(Z)，預測的特征轉換（huàn）到傳感器框架內的機（jī）器人位置表達式為(\hat{Z}(k + 1)=h(Z(k + 1|k)))。
匹配：匹配步驟其實具有辨識的（de）作用，在（zài）形式上，匹配過程的目的，就是產生一個從觀測（cè）(Z(k + 1))到目（mù）標(Z)的分配。相應於觀測所找到的測量預測，香蕉直播計算修正（zhèng）(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))。
估計：根據角度預測和在時刻(k + 1)的所有觀（guān）測，計算機器人位置的最佳估計(\hat{X}(k + 1|k + 1))。卡（kǎ）爾曼公式（shì）可以被寫成（chéng）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（shí）別QR碼：通過相機識別到QR碼後，提取QR碼特征點在網絡中的位置。
計（jì）算偏差：計算當前QR碼與AGV小車之（zhī）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的（de）路程差對AGV小車進行位置偏差校正。
反距離（lí）加權空間（jiān）插值與補償方法
尋找立方體網格：尋找該補償點(p)所在的立方體網格。
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（gè）頂點的實（shí）際定位（wèi）坐標之（zhī）間的距離(d_i(i = 1,2...8))。
求得權值：通過反距離加權求得待補償點(p)相（xiàng）對於立方體（tǐ）各頂點（diǎn）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)個頂點的權（quán）值（zhí）(k_i)，在(x,y,z)三個方向上對實（shí）際定（dìng）位誤差分別進（jìn）行（háng）加權平均，得到待補償（cháng）點(p)在(x,y,z)三個方向上的（de）預測誤（wù）差(\delta x、\delta y、\delta z)。
反向迭加：對待補償點的理論（lùn）位置反（fǎn）向迭加其定位誤差的預測值（zhí），得到誤差反向修（xiū）正後的定位坐標(x′、y′、z′)。
基於運動學參數模型的誤差補（bǔ）償方法
坐標係建立：獲取機器人（rén）上一個動作後，機器人上的末端執行器停留時的所在位置（zhì），並建立坐標係。
參數模板建立：建立機器人的運動學參數模型，包（bāo）括運動學正逆解、雅可比矩陣和海（hǎi）森矩陣；根據機（jī）器人（rén）的（de）關節剛度，結合雅可比矩陣和保（bǎo）守剛度轉換理論，建立（lì）機器人受重力、慣性力和外力的剛度矩陣(k)；在運動學和（hé）剛度基礎上，建立機器人的動力學模型。
建立運動軌（guǐ）跡：根據機器人（rén）所要運動位置的終點，選取（qǔ）坐標係中一點為其運動（dòng）終點，並在機器人停留位置和運動終點（diǎn）之間（jiān）建立（lì）運動軌跡。
運動執行：機器人根據建立的運動軌跡進（jìn）行運（yùn）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，判斷其誤差值。
誤差補償（cháng）：誤差值大於預設值（zhí）時，帶動（dòng）機器人運動重複操作上述步驟，根（gēn）據機器人的運動參數模型設定機器人下一步的運動（dòng）軌跡和參數，對誤差進行補償，直至機器人（rén）運動後位置的誤差值小於預設值；當誤差值小於預設值時，機器人執行下一步驟。
