配准实验与工程验证

1. 性能、选择器与几何评价

1. 实验对象与评价口径

主要比较 XoFTR（当前 Ours）与 LoFTR，在相同 640×480 输入、相同样本清单和相同硬件环境下记录：

• 匹配数量与 RANSAC 内点；
• GNCC、MI 等连续指标；
• High/Middle/Low 质量等级；
• 矩阵成功数、ROI 有效数和异常纠正数；
• 推理时间、P95 和人工几何误差。

质量等级只是工程门控，不能替代独立 landmark 几何误差。后文的 20 对、200 对、36 对/237 点和 3083/3326 对属于不同实验口径，不能混用分母。

2. 200 对基准耗时

同一批 200 对、同为 640×480：

按中位数，XoFTR 约为 LoFTR 的 4.3 倍；按均值约为 2.9 倍。差异主要来自：

• XoFTR 平均约 3889 个匹配点，LoFTR 约 389 个，接近 10 倍；
• 当前 XoFTR 代码只使用 no_grad，尚未启用 FP16/AMP、torch.compile 或 TensorRT；
• 476 ms 只包含匹配、取点和仿射 RANSAC，不含读图、检测、候选生成、Warp、评价和保存。

因此当前 XoFTR 单路径约为 2.1 FPS。若每对只调用一次并使用 FP16、匹配点裁减和推理优化，完整流程仍有机会接近 1 秒；这只是工程目标，不是已验证结果。LoFTR 速度明显更快，而可用率只比 XoFTR 低约 1 个百分点，XoFTR 的潜在优势主要体现在 ROI 增益和跨模态稳定性，而不是速度。

3. 30 对同步 Profile

环境：RTX 3070 Ti，FP32，同步计时，预热 5 对。

3.1 阶段耗时

XoFTR 前向内部：

本次同步测得总耗时均值 277.88 ms、中位数 266.94 ms、P95 393.39 ms。同样 30 对的历史均值为 461.00 ms，且匹配点数量逐对完全一致，说明原来的 476 ms 还受到 GPU 频率、资源竞争或运行状态影响。

结论：瓶颈在 fine_process，不在预处理。下一步优先限制进入 fine_process 的匹配预算、测试 FP16/AMP、压缩 RANSAC，并用同一批样本同步比较指标和视觉结果。

详细结果：XoFTR耗时剖析.md；逐样本数据：per_pair_stage_times.csv。

4. 数据与实现材料

• XoFTR 权重：E:\视觉\codex_v58_gatefix\codex_v58_gatefix\weights_xoftr_640.ckpt
• XoFTR 源码：E:\视觉\experiments\最终交付\rdks100_missing_mainline_patch_20260616\XoFTR
• 最终 YOLO 权重：E:\视觉\experiments\最终交付\rdks100_package_20260616\models\firefighter_detector_non1116_v1\best.pt
• 统一 200 对清单：C:\Users\12706\Desktop\FF-VIReg\小论文-大改\01_同协议200对_XoFTR_SIFT_SURF_ORB_NGF\sample_manifest.csv
• 原始 VIS、IR 路径已写在清单中；
• GNCC、MI、ROI 指标和质量分级代码可以复用；
• coarse matching 后、fine_process 前是候选裁减的插入位置。

最终 YOLO 权重的类别顺序为：0=smoke、1=fire、2=firefighters。工程增强权重顺序不同，不能混用。现成自动 ROI JSON 只有 1116 对结果，当前 200 对仅覆盖 80 对；剩余 120 对不能用人工 LabelMe 标注替代，否则会把人工真值混入方法实验。需要用最终 YOLO 权重对 200 对统一重推理。

5. Top-K 预算曲线

第一阶段不使用 ROI 或 YOLO，只验证进入 fine_process 的候选数量是否造成冗余。配置为 All、2048、1536、1024、768、512、256，共 200 对 × 7 档 = 1400 组。

All 路径与原始 XoFTR 严格一致：

• 匹配点数：200/200 一致；
• RANSAC 内点数：200/200 一致；
• 质量等级：200/200 一致；
• 最终矩阵最大差：0。

结论：

1. fine_process 随 K 显著下降，精匹配阶段存在 correspondence 冗余；
2. Top-K 同时压缩 RANSAC：All 为 68.53 ms，K=1536 为 16.36 ms，K=512 为 2.89 ms；
3. K=512 后进入固定开销平台，降到 256 没有继续加速；
4. 仅 confidence 排序会损失部分样本，也会救回少数样本。K=1536 总耗时下降 32.1%，High+Middle 仅下降 1 个百分点，配对差异不显著（McNemar p=0.625）。

K=512 的 ROI-GNCC 提高但全局 MI 下降，说明剪枝改变了对应点的空间分布。完整结论见 TopK预算曲线结论.md，逐样本数据见 per_pair_results.csv，复现脚本为 run_xoftr_topk_budget_curve.py。

6. Cue 选择器与主配置

6.1 ROI 覆盖

200 对中：

• 174/200 对使用消防员 ROI；
• 12/200 对无消防员，使用火区 ROI；
• 14/200 对无有效任务 ROI，直接使用 Structural Cue；
• 不生成虚拟 ROI、不用烟雾替代、不引入人工标注。

候选级分析：

• Semantic Cue 全局区分能力较弱，AUC 约 0.52；
• Structural Cue 更稳定，AUC 从 K=1536 的 0.646 提升到 K=512 的 0.663。

因此无 ROI 时单独使用 Structural Cue 是合理的，不需要强行补语义区域。完整结论见 Cue有效性结论.md。

6.2 固定预算结果

主配置建议为 K=1024 Structural selector：

• High+Middle：76.0% → 79.0%；
• 相对 All 仅低 0.5 个百分点；
• 含 Structural map 后约 192.6 ms，相对 All 的 310.0 ms 下降约 37.9%；
• ROI-GNCC 提升显著，p=0.017；
• 等级净救回 6 对，但 McNemar p=0.070，不能宣称等级显著提高。

K=512 OOF Focus 是强压缩点：

• High+Middle 为 78.0%；
• 全局与 ROI-GNCC 均显著改善；
• YOLO 共享时约 186.5 ms，全部独立计入约 256.1 ms；
• 视觉审查发现一例明显过尺度退化，因此不作为默认配置。

无任务 ROI 的 14 对在三档矩阵中均与 Structural 分支 14/14 一致。当前论文表述应为：Structural Cue 形成可靠主收益，Semantic 可提供任务区域预算倾斜，但不适合单独主导选择。相关材料：固定预算Cue选择器结论.md、数据驱动Focus结论.md。

7. 36 对 / 237 点几何验证

人工 landmark 只用于最终评价，没有参与调参：

K=1024 Structural 在 20 px 层面接近 All，并明显优于同预算 confidence-only，仍是默认可靠配置。K=512 Focus 产生更多 5–10 px 高精度结果，但 20 px 长尾更差，继续作为强压缩配置。

8. 3083 对全量与独立 ROI 协议

3083 全量 Ours 已完成：

• 3083/3083 均成功生成矩阵；
• High 28.15%、Middle 33.25%，合计 61.40%；
• 平均 174.50 ms，P95 约 320.45 ms。

200 对开发样本在这次全量中的 High+Middle 为 78.5%，与原 200 对的 79.0% 相差 0.5 个百分点，说明全量下降主要来自样本构成，而不是入口跑错。

独立 ROI 协议不是另画一套人工框，而是对自动检测多边形做固定棋盘格拆分：

A B A B
B A B A
A B A B
B A B A

• A 像素：只用于 candidate decision / quality selection；
• B 像素：完全不参与选择，只在矩阵冻结后用于 evaluation。

9. 460 对等级分歧

Middle-quality 的硬条件包括矩阵有效性、全局支持率、配准后全局 GNCC、配准后全局 MI、全局 GNCC/MI 相对增益，以及适用时的 ROI 支持率。ROI-GNCC 和 ROI-MI 不属于硬条件；失败原因采用多标签统计。

MI 是最常见的门控失败项，但 263 对中 Ours 的 Low-quality 不能归结为“只被 MI 卡掉”：66.5% 同时违反至少一项 GNCC 条件，仅由 MI 家族单独造成的只有 84 对。LoFTR 多出的 66 对 High/Middle 不能用单一 MI 偏置解释。

分歧子集的全局增益中位差：

• 仅 Ours 可用组：Ours−LoFTR 的 GNCC 为 +20.57 个百分点，MI 为 +16.18 个百分点；
• 仅 LoFTR 可用组：对应差值为 −53.22 和 −44.05 个百分点。

10. 当前协议下的几何对比

K=1024 Structural 与当前 LoFTR 的配对 pair-RMSE 中位差（Ours−LoFTR）为 −0.85 px，Wilcoxon 双侧 p=0.0425；单独阈值的 McNemar 检验未达到显著。

探索性前后端组合相对 LoFTR 的中位差为 −1.55 px，Wilcoxon 双侧 p=0.0183。在 RMSE≤20 px 阈值上，组合方法独有通过 7 对、LoFTR 独有通过 0 对，精确 McNemar p=0.0156；RMSE≤5 px 和 ≤10 px 差异尚不显著。

因此当前证据支持：

LoFTR 在既定 operational grade 下获得更高的 High+Middle 比例，而 Ours 主配置在人工几何误差上更低。

前后端组合仍属于 36 对上的探索性结果，不能代替独立测试集验证。3083 全量目录中的未守卫中间矩阵也不能直接当作组合方法最终配置。

11. 49 个异常样本的视觉审查

对“结构充分、LoFTR 可用、Ours 明显配歪”的 49 个样本审查发现：

• Ours 内点率中位数 2.48%，LoFTR 为 18.42%；
• Ours 仿射最大尺度中位数 5.02，平移中位数 1551 px；
• 49/49 仍覆盖四象限，选后凸包保留剪枝前的 99.15%，不支持“点被 Structural 裁到一侧”；
• 矩阵重新 Warp 与已有结果完全一致，未发现 compose 错误；
• 当前 All 结果只覆盖 3 对，3/3 同样失败，其余 46 对暂不能区分 backbone、fine 或 RANSAC；
• scene 3 的诊断性极端仿射比例达到 76.1%，但这是规则筛查比例，不等同于逐图确认失败率。

12. 当前主张与下一步

可以主张

• XoFTR 是该任务中更合适的跨模态 correspondence backbone；
• 全局梯度 Top-K 在固定预算下压缩 fine refinement；
• 同一梯度信息可在前端排序、后端估计全局小平移；
• ROI 不参与前端选择，仅通过匹配残差形成独立位置先验；
• 固定几何有效性检查阻止明显异常 affine 直接输出；
• 方法最终只输出一个全局变换矩阵。

暂时不能主张

• 20 对结果证明总体最优；
• Semantic Cue 主导 correspondence selection；
• ROI 对最终矩阵没有影响；
• 异常纠正机制等同于物理标定或数据驱动可靠性模型；
• 自动指标能够完全替代几何真值或视觉审查。

下一步

1. 固定当前方法、指标与坐标协议，在正式 200 对公共视场上重跑 baseline、完整方法和四项消融；
2. 用 36 对人工 landmark 报告 RMSE≤5、≤10、≤20 及分布；
3. 扩展到 FF-VI3083，报告连续指标、失败数、运行时间和分序列视觉抽查；
4. 配准结果冻结后，再单独评价融合和下游任务，不反向修改配准指标；
5. 将 FP16、候选裁减和 RANSAC 优化与同一批指标绑定验证。

2. 真值驱动的裁剪框与矩阵换算

目标

利用 18 组人工标注/人工配准结果，把旧的 640×480 工作画布坐标还原到传感器原始坐标，统计 IR 在 VIS 中的真实覆盖范围，最后固定一套可复用的裁剪参数。

最终得到：

• 原始坐标系下的配准矩阵；
• IR 有效区域在 VIS 原图上的投影范围；
• 固定的 VIS 裁剪框；
• 固定的 IR 有效区域和坐标变换参数。

0. 先统一坐标方向

下面统一使用列向量和齐次坐标：

x = [x, y, 1]^T

约定旧人工矩阵 H_manual 的方向为：

x_VIS_old = H_manual × x_IR_old

也就是：旧 IR 画布 → 旧 VIS 画布。如果你的矩阵实际是 VIS→IR，必须先求逆或改写公式，不能直接套用下面的换算链。

1. 明确三个坐标系

1.1 原始传感器坐标

• VIS：1920×1080；
• IR：640×512。

1.2 固定的 IR 有效坐标

当前数据必须完整保留 IR 640×512，不固定去掉上下各 16 像素，因此有效区域为：

x_IR ∈ [0, 640)
y_IR ∈ [0, 512)

统计覆盖范围时，使用 IR 有效区四个角点：

(0, 0)、(640, 0)、(640, 512)、(0, 512)

边界点是否使用 639、511，要与代码的像素坐标约定一致。不要一部分代码使用“像素中心”，另一部分使用“图像边界”。

1.3 旧标准化画布

这是人工工具使用的 640×480 画布，可能包含黑边、裁剪偏移或缩放。需要记录：

• 旧 VIS 到原始 VIS 的坐标变换；
• 旧 IR 到原始 IR 的坐标变换；
• 黑边和裁剪的偏移量；
• 横向和纵向缩放系数。

2. 把人工矩阵还原到原始坐标

设：

• L_IR：原始 IR → 旧 IR 画布；
• L_VIS：原始 VIS → 旧 VIS 画布；
• H_manual：旧 IR 画布 → 旧 VIS 画布。

坐标关系为：

x_IR_old  = L_IR × x_IR_raw
x_VIS_old = H_manual × x_IR_old
x_VIS_raw  = inverse(L_VIS) × x_VIS_old

因此原始 IR → 原始 VIS 的矩阵为：

H_raw = inverse(L_VIS) × H_manual × L_IR

这条公式成立的前提是矩阵方向和 L 的定义与上面完全一致。实际写代码前，先拿一对已知点验证：

x_VIS_raw ≈ H_raw × x_IR_raw

齐次坐标归一化

如果矩阵输出点为 (x', y', w')，最终像素坐标为：

x = x' ÷ w'
y = y' ÷ w'

3. 用每组 H_raw 投影 IR 有效区

对第 k 组数据：

1. 读取 H_manual_k；
2. 计算 H_raw_k；
3. 将 IR 有效区四个角点投影到 VIS 原始坐标；
4. 对四个投影点做齐次归一化；
5. 保存投影四边形、外接框和重投影误差。

四个投影点记为：

Q_k = {q_k1, q_k2, q_k3, q_k4}

每组外接框记录：

x_min_k、x_max_k、y_min_k、y_max_k

建议保存成表格：

4. 统计稳定 VIS 裁剪框

先明确目标：

• 要保留所有样本共同可靠的重叠区域：取各组有效区域的交集；
• 要覆盖所有样本的全部投影范围：取并集，但裁剪框会更大；
• 少数样本若是异常姿态，应先排查，不要让离群值决定裁剪框。

对轴对齐外接框，共同区域的计算为：

x1 = max(x_min_1, x_min_2, …, x_min_18)
x2 = min(x_max_1, x_max_2, …, x_max_18)
y1 = max(y_min_1, y_min_2, …, y_min_18)
y2 = min(y_max_1, y_max_2, …, y_max_18)

候选 VIS 裁剪框为：

[x1, x2) × [y1, y2)

如果 x2 ≤ x1 或 y2 ≤ y1，说明样本之间没有共同的轴对齐区域，不能硬裁；应检查矩阵方向、坐标变换、FOV，或改用多边形 Mask。

实际工程中，先把 18 个投影四边形画出来，再决定使用严格交集、带安全余量的交集，还是剔除离群样本后的统计范围。

5. 确定裁剪框后的固定流水线

假设统计得到 VIS 原图裁剪框 (x1, y1, x2, y2)：

VIS

原始 VIS 1920×1080
    → crop(x1, y1, x2, y2)
    → 等比例缩放到工作画布

裁剪后的主点：

cx_crop = cx_raw − x1
cy_crop = cy_raw − y1

若再缩放，横向和纵向系数为 sx、sy：

cx_work = sx × cx_crop
cy_work = sy × cy_crop

IR

原始 IR 640×512
    → 按标定映射到第一次 1218×975 画布
    → 与 VIS 共同裁取 (1,31,1216,912)
    → 等比例缩放为固定工作 IR 640×480

VIS 必须使用完全相同的第二裁剪与缩放。精配准直接在该 640×480 中只移动 IR；最终不反算。

6. 手动工具只能用 640×480 时

若手动工具只能加载 640×480：

1. 在高分辨率 VIS 裁剪图上记录点坐标；
2. 将 VIS 点按实际缩放系数换算到工具画布；
3. 在由完整 IR 经统一几何链生成的 640×480 图上记录对应点；
4. 在同一工作坐标系中计算 H_small；
5. 明确 H_small 只能接收缩放后的 VIS 坐标；
6. 当前正式输出无需把精配准矩阵转换回原坐标系；坐标还原只用于审计；
7. 用独立验证点检查误差，不能只看手动点本身的拟合误差。

若 VIS 裁剪图为 1440×1080，工作画布为 640×480，等比例系数为：

sx = 640 ÷ 1440 ≈ 0.4444
sy = 480 ÷ 1080 ≈ 0.4444

7. 验证与异常排查

• 18 组矩阵方向均为 IR → VIS，或已统一方向；
• L_VIS、L_IR 的输入输出定义一致；
• IR 投影角点使用完整有效区 (0,0)、(640,0)、(640,512)、(0,512)；旧的 (0,16) 到 (640,496) 只属于已作废的历史裁剪；
• 每组投影四边形没有明显跳变；
• 交集裁剪框宽高为正，并且没有切掉目标区域；
• 离群样本已单独标记，而不是静默混入统计；
• 用未参与估计的点或图像验证误差；
• 裁剪偏移、缩放系数、内参和 H 均已保存；
• 新数据使用同一坐标定义和同一预处理流水线。

最终操作口诀

先统一坐标方向，再还原矩阵；先固定 IR 有效区，再投影统计；先验证裁剪框，再固化流水线。

3. 端侧量化与部署验收

1. 当前部署口径

所有 FP 与量化结果都必须使用同一份清单、同一预处理、同一坐标方向和同一评价脚本，才能进行公平比较。

2. 已可直接获取的材料

3. 等七档实验完成的项目

当前七档正式实验仍在最高预算阶段，不能提前填正式结论：

4. 必须额外补采或补测

5. 推荐的公平比较表

正式报告至少应包含：

精度不能只看总耗时；至少同时报告 GNCC、MI、矩阵成功数、内点率、有效视场和独立几何误差。

6. 当前结论与下一步

1. FP 与 K=1024 量化的 3326 对正式运行已经完成，但端侧硬件功耗、峰值内存和 PC 对照仍不完整；
2. 七档 Top-K 实验完成后，才能确定预算—速度—精度曲线；
3. “3189 对”是当前最大的统计口径风险，必须先确认清单和排除规则；
4. 论文中应把“已完成”“可直接读取”“待补测”分开列出，避免把估计值写成实测值。

先统一数据口径，再比较量化收益；先补齐功耗、峰值内存和 PC 基线，再给出部署结论。

4. 非对称视场融合与羽化

1. 当前融合策略

当 IR 的视场小于 VIS 时，两者并不是在整幅画面上都有有效数据。推荐把画面分成两类区域：

• IR 有效区：有真实的 VIS 与 IR 信息，可以进行配准后的融合；
• VIS 独享区：IR 物理上没有覆盖，只保留真实 VIS，不用黑色、零值或虚构的 IR 信息填充。

这叫做非对称视场融合。它的基本原则是：

只在 IR 真正覆盖的区域使用 IR；IR 看不到的边缘区域由 VIS 独立呈现。

这样既不会伪造红外信息，也能避免融合结果出现死黑边。

2. 为什么羽化后边界仍可能看见

羽化只能平滑两种图像的权重变化，不能消除传感器本身的模态差异。边界隐约可见通常来自以下原因：

2.1 纹理密度不同

VIS 具有丰富的反射纹理、阴影和细小边缘；IR 的热辐射图像往往更平滑。即使像素值连续过渡，纹理从“丰富”突然变成“平滑”，人眼仍然能察觉。

2.2 亮度和对比度不同

IR 与 VIS 的灰度均值、对比度和动态范围通常不同。简单线性羽化为

如果两者在过渡区域的亮度差异很大，\(\alpha\) 虽然连续，融合结果仍可能出现亮度带或断层。

2.3 几何残差和插值边界

Warp 后的 IR 边缘可能包含插值空洞、黑色填充值或不完整像素。如果直接对这部分做羽化，会把“插值伪影”和真实 VIS 混在一起，形成一圈重影或暗边。

3. 推荐的融合流水线

IR 原图
  ↓ 配准 / Warp 到 VIS 坐标系
得到 IR_warp 与有效区域 Mask
  ↓ 腐蚀 Mask，去掉插值边界
得到可靠 IR 区域
  ↓ 亮度/对比度匹配（可选）
得到 IR_adjusted
  ↓ 生成羽化 Alpha
  ↓ Alpha 融合
IR 有效区：IR + VIS
VIS 独享区：保留 VIS

每一步的职责不同：Warp 负责几何对齐，Mask 负责区分真实覆盖与空洞，亮度匹配负责减少模态差异，Alpha 只负责在可靠区域之间平滑过渡。不要用一个步骤替代另一个步骤。

4. Mask 的处理顺序

4.1 先生成有效区域

Mask 应表示“Warp 后确实有真实 IR 像素”的区域，而不是简单把目标画布内的某个矩形全部设为 1。

4.2 对 Mask 腐蚀

建议在生成羽化权重前，对有效 Mask 做少量腐蚀，例如 \(2\)～\(3\) 个像素：

kernel = np.ones((3, 3), np.uint8)
mask_safe = cv2.erode(mask_valid, kernel, iterations=1)

腐蚀的目的不是缩小真实 FOV，而是排除 Warp 边界处的插值不稳定像素。腐蚀半径应根据 Warp 插值方式、分辨率和实际边缘质量验证，不能盲目设得很大。

4.3 再生成羽化权重

可以根据到 Mask 边界的距离生成 Alpha：

其中 \(D\) 是距离变换。Mask 中心区域的 \(\alpha\) 接近 \(1\)，边界逐渐降到 \(0\)。

最终融合：

在 VIS 独享区，直接令 \(\alpha=0\)，保留 VIS 原图。

5. 亮度与对比度匹配

如果 IR 和 VIS 在对应有效区域内存在明显亮度差，可以在融合前对 IR 做仿射标准化：

其中：

• \(\mu_{IR}\)、\(\sigma_{IR}\)：IR 有效区域的均值和标准差；
• \(\mu_{VIS}\)、\(\sigma_{VIS}\)：对应 VIS 区域的均值和标准差。

计算时只使用有效重叠区域，不要把黑边或无效 Mask 区域统计进去。最后要进行裁剪和类型转换，例如限制到 \([0,255]\)。

这一步严格来说是均值-方差亮度/对比度匹配，不等同于严格意义上的伽马校正。若场景亮度变化很大，固定的全局均值可能不够，还需要分块、局部或时序稳定化。

6. 边界仍明显时的排查顺序

1. 检查 IR Warp 是否有黑色插值边界；
2. 检查有效 Mask 是否准确；
3. 对 Mask 做少量腐蚀，再重新生成 Alpha；
4. 检查融合前两幅图像是否存在明显亮度/对比度差；
5. 检查配准误差，尤其是过渡带附近的直线和角点；
6. 适当增大羽化宽度，但不要用过宽羽化掩盖几何错位；
7. 若仍有纹理突变，再考虑多频段融合，而不是继续简单调 Alpha。

7. 多频段融合：后续优化方向

简单羽化只是在像素值层面做加权，适合当前 Baseline。若需要进一步降低纹理突变，可使用 Laplacian pyramid 等多频段融合：

• 低频部分缓慢过渡亮度和颜色；
• 高频部分保留各自更可靠的局部细节；
• 过渡带不再对所有频率使用同一个 Alpha。

但多频段融合不能修复错误配准，也不能凭空产生 IR 信息。几何配准、有效 Mask 和亮度匹配仍然是前置条件。

8. 当前 Baseline 参数记录

建议把以下参数与输出结果一起保存：

• 配准矩阵 \(H\)；
• Warp 输出尺寸；
• 有效区域 Mask；
• Mask 腐蚀核大小和迭代次数；
• 羽化宽度或距离变换参数；
• \(\mu_{IR},\sigma_{IR},\mu_{VIS},\sigma_{VIS}\)；
• 融合权重定义和颜色/灰度范围。

最终结论

当前“IR 有效区融合 + VIS 独享区保留 + Mask 腐蚀 + 羽化”的方案，是一个合理、可解释、适合作为基线的工程方案。边界是否完全不可见，不只取决于羽化，还取决于几何误差、插值质量、模态纹理差异和亮度匹配效果。

先保证真实信息和有效 Mask，再做羽化；先解决亮度差异，再考虑更复杂的多频段融合。

5. 跨阶段验收清单

• 正式实验使用统一公共视场：完整 IR 参与标定，VIS/IR/Mask 按固定坐标链生成 640×480；
• 20 对历史诊断只用于实现核查，不用于替代正式 200 对或 FF-VI3083 结论；
• 矩阵方向、裁剪偏移、缩放系数和 IR 有效角点均已保存；
• 速度、精度、内存和功耗分开测量，并注明数据集与硬件；
• 量化与 FP 使用同一清单、预处理、坐标方向和评价脚本；
• Warp 后先建立有效 Mask，再腐蚀、亮度匹配和生成 Alpha；
• 融合不向 VIS 独享区填充虚构 IR 信息；
• 以独立 landmark、支持率和视觉抽查共同判定结果。

先冻结坐标和评价协议，再比较方法；先保证真实支持区域，再做融合和端侧优化。