# 对原目标检测集生成位姿预标注

本页保留历史v1交付。当前新增的人工修正研究模型和剩余目标更新见[位姿修正v2](pallet_pose_refinement_v2.md)；旧ZIP、旧GT及原数据均保留，活动机器标签入口已切换到v2侧车。

使用已训练并冻结的 [部分位姿模型](pallet_pose_training_v1.md)，给正式原检测集的所有原人工框补充 **机器x/y/theta估计**。不重新运行检测器、不移动或删除人工框、不覆盖原GT，不改原train/val/test划分。

## 已完成结果

| 项目 | 数量 |
|---|---:|
| 全量覆盖帧／原人工目标 | 10,374／12,344 |
| 已生成待审x/y/theta估计 | **12,031** |
| 其中点云单位有原登记比例 | 4,920 |
| 其中仅研究数值假设、非校准米值 | 7,111 |
| 无法生成位姿、保留原框待处理 | **313** |
| 原负例保持空框 | 263帧 |
| 原明确位姿GT保留独立引用 | 154条 |

313个缺失估计中，295个目标因原点云单位/数值尺度不适用而拒绝推理，18个目标因框内有效XYZ不足16点而拒绝推理；未通过缩放猜测、换轴或补0来消除缺失。

生成了12,031条预测**不意味着12,031条正确GT**；全部仍需人工复核，尤其是新传感器域、多目标、弱平面支持和分布外几何。机器估计覆盖率不是位姿准确率。

标注包 **29,696,537字节（约28.3MiB）**，SHA-256：

```text
95b85dcf0cea4965156c9d3728e7d5ce475604279e31c0b670aeb82415b7c8ee
```

独立核验全部10,391个ZIP成员、10,374帧及12,344个原框通过；原20,768份检测标签/元数据和10,374份原始PCD哈希保持一致，原154条位姿GT没有被替换。另在原train中抽查20个分层目标，与发布模型的CPU推理结果一致；这是实现等价检查，不是新准确率测试。相关166项回归通过，未访问或改写真实审核库。

## 范围与文件

- 全部 **10,374帧、12,344个原人工目标**，包括原train 6,552帧、val 1,455帧、test 2,367帧。
- **263帧原负例**仍为空框，不把无位姿或预测失败当新负例。
- [轻量标注ZIP](../outputs/pallet_pose_annotations_v1/pallet_pose_annotations_v1.zip)：逐框JSONL、CSV、按原划分的LabelMe/AnyLabeling风格JSON及配置／源码快照。
- [目标CSV](../outputs/pallet_pose_annotations_v1/annotations/targets.csv) · [统计](../outputs/pallet_pose_annotations_v1/summary.json) · [独立核验](../outputs/pallet_pose_annotations_v1/validation/independent_verification.json)。

输出独立位于 `outputs/pallet_pose_annotations_v1/`。ZIP是轻量标注包，**不重复包含原图和PCD**；LabelMe JSON的 `imagePath` 指向本机原正式图像，迁移时可依据 `annotations/frames.jsonl` 重新关联图像根目录。

## 字段含义

| 字段 | 含义 |
|---|---|
| `bbox`／`target_id`／`target_key` | 未修改的原人工框、框序号及稳定身份 |
| `pose_estimate` | 机器预测x/y/theta；点云不足、平面失败或单位规模不适用时为null |
| `metric_pose_estimate` | 仅输入点云有原登记比例时保留；没有比例时必为null，不代表已标定机器人坐标系 |
| `point_units_verified` | 只读原传感器单位政策，不新增估算比例 |
| `review_flags` | 未核验单位／前向轴、新传感器域、多目标、输入几何分布外等原因 |
| `existing_pose_gt_reference` | 原154条明确GT的引用；值不参与模型输入，原GT绝不被预测替换 |
| `human_pose_confirmed` | 始终false，原2D框人工确认不能冒充位姿人工确认 |
| `pose_gt_supervision_mask` | 全false，不能自动用作GT监督 |
| `automatic_training_eligible` | 始终false，`indices/automatic_training_eligible.jsonl`刻意为空 |

神经网络仅用65帧／9组平面GT训练，对新采集组、其它传感器和多目标场景没有足够泛化依据。输入几何z-score和拟合支持率是**待审线索，不是校准位姿置信度**。不根据这些指标宣称预测精度。

法向量网络没有独立验证／测试，本轮不全量外推；没有补造z、法向量、roll/pitch/yaw或四元数。机器位姿均 `robot_command_eligible=false`，不能直接驱动叉车。

## 使用约束

- 原单位无登记时，只能在原数值尺度适用范围内得到显式标记的研究估计，`position_unit=research_assumed_m_not_calibrated`；不凭数值大小猜测毫米／米，也不猜测XYZ换轴。
- 原val/test也按用户要求导出预标注供人工查看，但**不能回流训练，不能作为独立评估GT**。
- `labelme/*/*.json`保留原框、类别和2D审核标志，在每个矩形的 `pose_machine_annotation` 中新增完整机器记录；`human_reviewed`只指原2D框，不指位姿。
- 所有原检测标签、原位姿GT、结构属性和真实审核数据库只读，本任务不启动训练。

## 复现与核验

```bash
env CUDA_VISIBLE_DEVICES=GPU-3315c096-fef4-7350-483a-7c5f5ca2b619 \
  OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=1 MKL_NUM_THREADS=1 \
  .venv/bin/python -m pallet.pose_annotations --config configs/pallet_pose_annotations_v1.json

# 中断恢复只接受完全相同的数据、模型、配置、源码与GPU绑定
# 上述命令追加 --resume

env OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=1 \
  .venv/bin/python scripts/verify_pose_annotations.py --config configs/pallet_pose_annotations_v1.json
```

核验逐条检查所有框、目标身份、负例、划分、缺失维度和待审属性，并重读原始PCD哈希、ZIP逐成员哈希；真实推理等价抽样只从原train选择，不重新使用test调模型。
