AGV小車係統的誤差補償算法主要有以下幾種：
卡爾曼濾波（bō）算法
預測：使用AGV機器人在時刻(k)和因為控（kòng）製輸入(u(k))產生的移動，預測AGV機器人在時刻(k + 1)的（de）角度。
測量預測：利用所預測（cè）的機器人坐標位置和（hé）地理坐標產生的預測特征的觀測（cè）為(Z)，預測的特征轉換（huàn）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：匹配步驟其實具有辨識的作用，在形式上（shàng），匹配（pèi）過程的目的，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（suǒ）找到的測量（liàng）預測，香蕉直播計算修正(v(k + 1))。修正是預（yù）測（cè）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（yǒu）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為（wéi）：(\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（mǎ）：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（dāng）前QR碼與AGV小車之間的位置（zhì）偏差和姿態對AGV小車校正。
S形曲（qǔ）線修正算法
記錄（lù）路程差：通過左（zuǒ）右編碼（mǎ）器記錄的路程差對AGV小車進（jìn）行位（wèi）置偏差校正。
反距離加權空間（jiān）插值與補償方法
尋找立方體網格：尋找該（gāi）補償點(p)所在的立方體網格。
計算距離：求出待補償（cháng）點(p)理論坐標與所在（zài）的立方體網格(8)個（gè）頂點（diǎn）的實際定位坐標之間的距離（lí）(d_i(i = 1,2...8))。
求得權值：通過反距離加權求得待補償點(p)相對於立方體各頂點的權值(k_i(i = 1,2...8))。
加權平均（jun1）：根據該（gāi）待補償點(p)相對於立方體(8)個頂點的權值(k_i)，在(x,y,z)三個（gè）方向上對實（shí）際定位誤差分別進行加權平均（jun1），得到待補償（cháng）點(p)在(x,y,z)三個方向上的預（yù）測誤差(\delta x、\delta y、\delta z)。
反向迭加（jiā）：對（duì）待補償（cháng）點的（de）理論位置反向迭加其定位誤差的預測值，得到誤差反向（xiàng）修正後的定位（wèi）坐標(x′、y′、z′)。
基於運動學參數模型的誤差補償方法
坐標係建立：獲（huò）取機器人上一個動作後，機器人上（shàng）的末端執行器停留時的所在位置，並建立坐標係。
參數模板建立：建（jiàn）立機器人的運動學參數（shù）模型，包括運動學正逆解、雅可比矩陣和（hé）海森（sēn）矩陣；根據機器人的關節剛（gāng）度，結合雅可比矩陣和保守剛度轉換理論，建立（lì）機器人受重力、慣性力和外力的剛度（dù）矩陣(k)；在運動學和剛度基礎上，建立機器人的動力學模型。
建立運動軌跡：根據機器人所（suǒ）要運動位置的終點，選取坐標係中一點為其運動終點，並在機器人停留位置和運（yùn）動終點之間建立運動軌跡。
運動執行：機器人根據建（jiàn）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（wèi）置與原先設定位置進行對比，判斷其誤差值。
誤差補償：誤差值大（dà）於預設值時，帶動機器人運（yùn）動重複操作上述步驟，根據機器人的運（yùn）動參數模型設定機器人下一步的（de）運動軌跡和參數（shù），對（duì）誤差（chà）進行補償，直至機器人運動後（hòu）位置（zhì）的誤差（chà）值小於預設值；當誤差（chà）值（zhí）小於預設值時，機器人執行下一步驟。
