第一视角双目数据必须随货交付哪些标定文件

没有标定包，第一视角双目人类演示数据就不完整。双目 RGB、IMU 与位姿看起来或许已可训练，但立体深度、三角测量与多传感器融合，都依赖描述传感器如何被测量的矩阵与外参。若这些产物缺失、版本管理混乱，或以含糊的「标定可按需提供」交付，买方无法复现几何，审计无法闭环验收，模型团队则要耗费周期反推采集设备。

本文回答一个务实的采购问题：第一视角双目数据必须随货交付哪些标定文件，交付才算完整？ 面向需要可粘贴 SOW 表述——而非营销形容词——的机器人学习、模仿学习与基础模型买方。下列数字与产物均来自可自行核验的公开样片：两条 episode、4,914 帧、合计 163.47 秒，以 LeRobot v3 发布在 Hugging Face，schema 有文档，并旨在通过 Physical-Intelligence/pi-data-sharing 检查。该样片的光学包络为双目彩色每目 1920×1200、硬件同步双目，时间戳为设备侧记录，连续 IMU 约 300.48 Hz。

为什么「完整标定」是交付要求，而不是脚注

立体管线假定已知基线、已知内参，以及双眼之间已知的相对位姿。第一视角管线再加一层：IMU 与相机必须配准，使头部运动与像素共享同一几何模型。若不把这些参数与 episode 一并交付，买方拿到的像素与运动轨迹无法在单一一致的相机模型下融合。

第一视角双目采购中反复出现三种失效模式：

仅视频交付。 有帧，却没有 K、畸变模型、校正矩阵，或用于视差转深度的 Q 矩阵。下游无法跑确定性立体管线。
有标定却无版本。 参数存在于某个共享盘，但没有绑定到该批次的标定版本。数月后无人知道哪套矩阵属于哪段录制窗口。
仅相机标定。 立体产物在，但缺少 IMU↔相机外参。视觉—惯性融合与头部位姿对齐于是变成猜测。

完整意味着：标定包与 episode 数据一并交付、在 SOW 中点名，并带版本标识，使跨量产月份的漂移可审计。

最小立体产物集：K、KB4、R1/R2、P1/P2、Q

对第一视角双目而言，「内参与外参」过于含糊。请点名产物。完整的立体标定交付至少应包括：

产物	在管线中的角色
K	每目相机内参矩阵（焦距、主点）
KB4	畸变模型参数（KB4 约定），用于去畸变或建模镜头
R1 / R2	校正旋转矩阵，将双目对齐到共同极线几何
P1 / P2	校正坐标系下的投影矩阵
Q	视差到深度映射矩阵，用于将立体视差转为度量深度

为什么必须是这些？立体深度与三角测量不是「大致对齐」问题。它们依赖从原始像素 → 去畸变 → 校正 → 视差 → 深度的一致链条。省略 Q，会迫使每个消费者从不完整元数据重新推导视差—深度关系。省略 R1/R2 与 P1/P2，校正未定义。只交 K 而不交畸变模型（此处为 KB4），会破坏任何期望与标定时相同镜头模型的管线。

买方提示： 把 K、KB4、R1、R2、P1、P2、Q 各自写成命名交付物，而不是塞进「适用时提供标定文件」一条底下。

IMU↔相机外参与标定版本

第一视角采集是头戴式。公开样片语境下，IMU 以约 300.48 Hz 测量运动，相机则交付硬件同步双目帧，且时间戳为设备侧记录，而非按标称 FPS 回填。这条时间故事要变成几何故事，必须随批次交付 IMU↔相机外参。

没有 IMU↔相机外参时：

6-DoF 头部位姿与双目像素落在两条永不相交的平行时间线上，缺少同一刚体变换。
视觉—惯性里程计与融合实验无法复现采集几何。
验收无法核验位姿与 RGB 是否属于同一传感器包。

同样重要的是 标定版本标识。量产采集跨越数周或数月。镜头沉降、支架重拧、重新标定都会发生。与每批交付绑定的版本字符串（或等价包 ID），让 QA 能回答：「这些 episode 录制时用的是哪套标定？」没有版本管理，两批在 schema 上看起来相同的数据，可能静默使用不同几何模型。

建议 SOW 表述

每一验收批次随货交付 IMU↔相机外参。
交付可唯一标识该批次所用参数集的 标定版本（或包 ID）。
不接受以「共享盘上的最新标定」替代放在 episode 文件旁的版本化产物。

应与文件并列的几何质量门

交付矩阵必要但不充分。买方还需要残差证据，证明标定可用。公开样片报告的几何检查中，有三个数字具体到可直接写进 SOW，而无需发明新阈值：

双目基线约 60.7 mm
Sampson 中位数 0.166 px
立体重投影 0.800 px
15,811 内点（公开样片标定检查规模下）

这些不是普适行业定律；它们是可核验样片（2 episodes / 4,914 帧 / 163.47 s）的文档化结果。当供应商采集包络与该样片光学等级一致——每目 1920×1200、硬件同步双目——时，把它们当作参照门；不要当作无关设备或混搭片库的发明通过/失败数字。

建议 SOW 表述

标定包报告双目基线（参照等级：约 60.7 mm）。
标定检查报告 Sampson 中位数、立体重投影残差与内点数（参照样片：0.166 px Sampson 中位数、0.800 px 立体重投影、15,811 内点）。
残差报告绑定到与 episode 一并交付的同一 标定版本。

不要声称混搭媒体库里每一条 clip 都在同一台设备上录制。此处的完整意味着：就这一批第一视角双目交付而言，标定产物与残差报告与数据同行。

标定完整性如何嵌入其余交付包络

标定文件不是孤立存在的。它们只有在连贯的采集与 schema 包络内才有意义。对本系列通篇引用的公开样片：

视频： 双目彩色 RGB，每目 1920×1200，硬件同步双目。
时间： 时间戳为设备侧记录（非 FPS 回填）。
IMU： 实测约 300.48 Hz，与视觉流连续。
Schema： LeRobot v3，旨在干净加载，并与 Physical-Intelligence/pi-data-sharing 期望对齐。
可核验性： Hugging Face 公开样片 2 episodes / 4,914 帧 / 163.47 s（tatezhou/ego-stereo-cn-v1），工具见 ego-stereo-cn-v1-tools。

缺少标定产物时，即便 LeRobot 布局完美，几何消费者仍会失败。Schema 错了，完美矩阵也难挂到正确帧上。把两者写进同一验收块。

可粘贴交付清单

将下列区块复制进 SOW、RFP 或供应商问卷。商业条款可按需调整；请保留点名产物。

第一视角双目 — 标定交付清单
批次 / PO ID: ____________________    交付日期: __________

A. 立体相机产物（须全部与 episode 数据一并交付）
[ ] 每目 K（内参）
[ ] KB4 畸变参数
[ ] R1 / R2 校正旋转
[ ] P1 / P2 校正投影矩阵
[ ] Q（视差到深度）矩阵

B. 多传感器配准
[ ] IMU ↔ 相机外参
[ ] 批次清单上记录的标定版本 / 包 ID

C. 几何质量报告（绑定同一标定版本）
[ ] 报告双目基线（参照等级 ~60.7 mm）
[ ] 报告 Sampson 中位数残差（参照样片 0.166 px）
[ ] 报告立体重投影残差（参照样片 0.800 px）
[ ] 报告内点数（参照样片 15,811 内点）

D. 采集包络一致性（同一次交付）
[ ] 双目 RGB 每目 1920×1200
[ ] 硬件同步双目
[ ] 时间戳为记录（设备侧；非 FPS 回填）
[ ] IMU 约 300.48 Hz，并有连续流文档

E. 数据集 schema
[ ] LeRobot v3 布局
[ ] 兼容 Physical-Intelligence/pi-data-sharing 检查
[ ] 数据集清单 / README 链接到标定产物

F. 签收
供应商: __________________  日期: ______
买方 QA: ________________  日期: ______
通过 / 失败 / 有条件: ______________
备注: _________________________________

若 A–B 任一项未勾选，即使视频与 IMU 文件在场，也按不完整处理。C–E 是让标定在训练与审计中可用的质量与 schema 包络。

「不完整」在实践中长什么样

拒绝或暂扣这些模式：

仅左右 MP4 的 ZIP，README 写「离线用 OpenCV 做立体标定。」
只有内参（K），没有 KB4、校正或 Q。
单个 calib.yaml，无标定版本，且 LeRobot 数据集卡片无链接。
有立体产物，但 SOW 含 IMU 与头部位姿时缺少 IMU↔相机外参。
残差指标来自不同设备等级，或阈值超出文档化样片而发明。

仅当点名产物与数据一并交付、版本已记录、残差报告与你正在验收的标定包一致时，才予接受。

软性下一步

若你正在为第一视角双目人类演示起草 SOW，并希望有参照包可对照，请自行核验 Hugging Face 公开样片（2 episodes / 4,914 帧 / 163.47 s）：tatezhou/ego-stereo-cn-v1，配套工具见 github.com/TateZhouSiu/ego-stereo-cn-v1-tools，或浏览采集说明：10khoursdata.com。商用交付范围——标定打包、LeRobot v3 布局与验收表述——请发邮件至 tate@10khoursdata.com。无强推：无论是否向 10K HoursData 采购，上列清单均可使用。

10K HoursData — 第一视角双目人类演示数据，含记录时间戳、硬件同步双目采集，以及旨在随每一完整批次交付的版本化标定产物。