# 托盘部分位姿模型先导包 v1

已完成真实训练：YOLOv8s（COCO初始化，6552 train/1455 val，20轮）；几何先验＋PointNet风格残差（65帧平面GT、9组、3折内部CV，每折200轮，最终按CV中位数1轮重拟合）；参考点＋法向量网络（38帧同一组、固定200轮）。不是完整6D，不构造缺失旋转。

## 冻结后的测试

49帧/3个独立采集组的平面位姿测试：检测匹配49/49，实际检测框驱动的XY平均欧氏误差28.20mm、角度平均绝对误差0.518°，50mm且5°通过47/49。43帧集中在同一组，6帧单位尚未核验，数据量不足以证明可靠部署。真值框ROI结果另列，不与全流程混淆。几何基线与神经网络接近，未证明神经网络显著更优。

法向量只测训练拟合，未获得独立验证/测试成绩。所有输出robot_command_eligible=false；不作为直接叉取控制模型。

## 安装与运行（Python 3.11）

在解压目录中：

```bash
pip install -r requirements.txt
OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=2 python -m pallet.pose_inference \
  --bundle . --image example/image.png --cloud example/cloud.npz \
  --scale-to-m 1 --device cpu --output my_prediction.json
```

example仅来自原train，推理不读取GT或人工框。新输入必须是相同像素网格的原生强度图和注册点云NPZ，含points_xyzi与pixel_to_source_index；--scale-to-m须由标定给出，不能凭大小猜测。未知单位默认拒绝位姿，仅研究可显式--allow-unverified-units。参考点＋法向量头需--task reference_xyz_normal，不能当完整6D姿态。

文件：detector.pt、planar_pointnet.pt、normal_pointnet.pt、ridge.json及inference_config.json；pallet/含可直接执行的最小推理源码，training_source/保存本轮训练/评估源码快照，reports/含调研、逐组/单位分层结果与逐帧CSV。训练原始数据不重复打包，另使用已交付的pallet_pose_dataset_v2及正式检测集。

```bash
sha256sum -c checksums.sha256
```

本轮为单seed、固定预算先导，不是完整研究对比。框架采用Ultralytics/PyTorch及其各自许可，使用或再发布需遵守相应许可。
