DoTA 校准

校准的对象

回忆合成配对的核心动作：按事故类型在 H 场上放一个风险核，需要四个参数：

锚点方位（核放哪个方向）  ← 例：rear_end 放正前
锚点距离（核放多远）      ← 例：13~15m
核宽度 σ（高斯核多宽）
核幅度 a（核多亮）

没有校准，这四个数只能拍脑袋。DoTA 校准 = 用真实事故数据把这四个参数的取值分布统计出来，让合成规则照着真实分布采样。注意定位：DoTA 提供的是参数分布，不是逐样本监督——训练配对仍然是程序合成的，真实数据只负责"量尺寸"。

原材料：没用视频，用的是标注 JSON

一个务实的关键决策：DoTA 全量原始帧 55GB 没有下载。实际用的是 DoTA 仓库自带的逐视频标注 JSON（4677 个，含全帧 labels）。官方预提取的 bbox tracks 下载链接失效（GitHub issue #43，无人修复），所以直接从原始标注解析——绕开失效链接，不碰大文件。

每个 JSON 里每帧是一条记录：frame_id / image_path / accident_id / accident_name / objects，objects 里是每个物体的 obj_track_id / bbox / category / trunc（截断标志）。

数据探查：三个发现直接重塑了方案

动手统计之前先做了只读探查，这一步改变了整个设计：

发现 1：bbox 只存在于事故区间内。原以为能拿到"事故前几秒"的物体轨迹来统计逼近动态，实际验证到叶子字段后发现：全数据集事故前窗口一个框都没有（4326 个视频只在事故期有框，290 个完全无框直接排除）。之前"labels 每帧非空"造成了误判——每帧都有 dict，但事故前的 dict 里 objects 是空的。教训入库：数据探查要验证到叶子字段，"条目非空"≠"有内容"。
发现 2：统计窗口被迫改为 onset 窗口。事故前窗口不存在，统计口径只能定为：
```
onset 窗口 = [anomaly_start, anomaly_start + 10帧) ≈ 事故发生后的头 1 秒
```
同时保留 onset/unfolding（事故发展期）分层输出，并明文禁止"事故前 TTC 窗口"这种表述——窗口语义决定统计能回答什么问题，口径必须诚实。
发现 3：accident_id 是类别编号，不是参与方标记。这决定了只能做"这类事故里危险出现在哪"的类别级统计，做不了"两个参与方谁撞谁"的交互级分析。

从 2D 框到 3D 锚点：针孔投影 + 接地点法

DoTA 是单目行车记录仪视频，标注是 2D 框。要得到"核放多远、哪个方位"，需要把 2D 框变回 3D 位置：

第 1 步：取 bbox 的"接地中点"（框底边中点——车和地面接触的位置）
第 2 步：针孔相机模型反投影：像素点 → 从相机出发的一条射线
第 3 步：射线与地面（z = 路面平面）求交 → 得到物体的 3D 位置
第 4 步：换算到 ego 系 → 方位角 bearing = atan2(横向, 前向)、距离 d

为什么用接地点而不是框中心？框中心悬在半空，投影回去深度不定；接地点贴地，地面假设给出唯一的深度解——单目测距的标准技巧。

0.5~40m 有效性门限：太近的框（<0.5m，多为畸变/标注噪声）和太远的框（接近地平线，投影误差爆炸式放大、距离长尾到几百米）都剔除。实测 onset 窗口有 294 条投影无效被过滤。

逐类统计：类别映射与分布提取

DoTA 的事故类别映射到本项目的 9 类（映射表 dota_type_map.yaml），有效样本 4616 条（61 条 ignore 剔除）：

turning 1676 / lateral 714 / moving_ahead_or_waiting 660 / oncoming 475
leave_to_left 366 / leave_to_right 353 / pedestrian 97 / start_stop 94 / obstacle 91
（unknown 90 → 排除）

对映射后的每一类，在 onset 窗口内统计所有样本的锚点，得到经验分布（不是单个均值，而是分布——采样时要从分布里抽，保留真实的离散度）。

这里出了全项目最重要的一个语义修正：moving_ahead_or_waiting → rear_end 的锚点统计出来在正前方 ~0.046 rad——真实语义是"ego 追尾前车（前车急刹/静止）"，而项目原设定是"被追尾"（锚点正后方 −π）。方位整整差了 180°。

拍板原则：类型语义以真实数据为准。这一行统计结果直接翻转了 rear_end 的先验语义，并引发了后面那一长串同步改造（模板改写、缓存重编码、affinity 漏改的雷）。

另有两类被标 low_confidence：leave_to_left/right 和 start_stop——DoTA 语义和本项目类型对不齐（语义不匹配），映射表注释里如实标明，统计值降级使用。

幅度反推：一次光荣的失败

四个参数里，方位/距离/σ 都是几何量，投影就能算。幅度 a 不行——它来自公式 a = exp(-d/20) × clamp(1−TTC/3)，需要 TTC，TTC 需要 closing speed，closing speed 需要帧间运动。

团队尝试用 onset 窗口内的框运动反推 closing speed，进而反推幅度。结果：除 oncoming 外，所有类的幅度中位数 = 0。原因很物理：onset 窗口是事故已经开始的 1 秒——碰撞正在发生或车辆已经停滞，closing speed 趋近于零（"closing 停滞"），TTC≈∞，TTC 因子直接归零。幅度公式的物理前提在这个窗口里不成立。

处置方式是这个项目诚实纪律的典范：

不强行使用零中位数（那会把 rear_end 等类的核直接熄灭——修复前已观察到 rear_end 校准核近乎归零的图证）；
给 8 个类打上 amplitude_degenerate 标记（turning/lateral/moving_ahead/leave_to_*/pedestrian/start_stop/obstacle），只有 oncoming/head_on 保留校准幅度；
退化类的规则：幅度退回默认值，但距离项仍用校准值——能校准的校准，校准不了的如实退回，逐类计数登记。

口径一句话："归零"本身就是结论——它定量证明了"事故期统计做不了幅度校准"，写进答辩素材比编一个数字硬气得多。

注入合成管线：pair_gen 的 calibration 分支

统计产物落盘为 dota_stats.yaml（onset/unfolding 分键）后，pair_gen 新增 calibration 采样分支，消费方式：

生成每个合成配对时：
  按事故类型查 dota_stats.yaml 的经验分布
  → 锚点方位/距离/σ/幅度 从分布中采样（np.random.default_rng(seed)，确定性可复现）
  → 幅度退化类走 fallback：默认幅度 + 校准距离（严格 fallback，逐类计数）

两个工程细节：

校准锚点距离实测范围 2.31~~39.69m——和 0.5~~40m 投影门限吻合，说明分布没有被截断污染；
fallback 类是内置控制组：cut_in_left/right、cyclist 三类走 fallback，要求新旧版本逐字节一致（train 1473/1473、val 350/350 对拍通过）——这保证了"校准改动只影响该影响的类"，管线无污染。这个控制组设计后来在消融对照里反复立功（差异必须由模型行为解释，解释不了就是数据泄漏信号）。

全量产物：data/synthetic_pairs_calib_v2/，train 4419 对（9 类各 491）/ val 1047 对。

校准的能力边界（诚实总结，答辩口径）

参数	校准结果	原因
锚点距离	✅ 主要收益	接地点投影可靠
核宽度 σ	✅ 按类型分层	与 bbox 尺寸相关
锚点方位	⚠️ 有限	前向行车记录仪是物理盲区——摄像头只看前方，被追尾类永远拍不到后车，方位天然聚集在 0° 附近
核幅度	❌ 8 类退化	onset 窗口 closing 停滞，TTC 因子物理失效

一句话：校准修得了距离与 σ，修不了方位与幅度——这不是执行不力，是数据源（前向单目 + 只标事故期）的结构性边界。