# 人工标尺修正模型与预标注 v2

研究标签经用户本轮明确授权从已保存草稿快照提取；没有批量改写UI确认字段，也不是独立盲标真值。
只用原train训练，原train内采集组CV选模型/轮数，原val/test不选模型。原检测器保持v1不重训。
新参考点统一为叉取面宽度中心；旧154条不同源表口径GT不混入。
metric和native_unknown两路独立训练；未知单位只做无量纲位置残差学习，输出仍为原始单位，不能当作米制真值。
输入仅原人工框和注册点云的自动聚类平面特征，不读取最终人工多边形、选择面或标尺作为模型输入。
所有新预测为待复核机器建议，不自动回流训练、非完整6D、不能直接用于机器人控制。
已有及发布时新增的人工草稿均不覆盖；原val/test不回流训练；原263帧负例保持不变。

模型目录deployment可独立移走运行：
OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=1 python -m pallet.pose_refinement_inference --bundle . --image 原图.png --cloud 注册点云.npz --domain 传感器域 --scale-to-m 原登记比例 --output 预测.json
NPZ包含points_xyzi与pixel_to_source_index；未知单位去掉scale-to-m并显式加--allow-native。
模型包不包含原图/PCD，不依赖GT或人工标尺输入。标注包是JSONL/CSV轻量侧车，不重复原图。
