ROI：算力放在刀刃上

1. 裁剪快，但偏二十像素就全漏

检测全图四十毫秒，裁剪感兴趣区域五毫秒——最常用的加速手段。但区域偏二十像素就切掉目标边，检测永久漏。感兴趣区域是对空间先验的赌注；先验错时的回退比区域本身同样重要。只写裁剪尺寸不写回退，等于只赌不输——现场会输。

区域是视图不拷贝。检测框回写全图要加偏移。坐标链：全图、去畸变、裁剪、检测、映射回去要经过内参、裁剪偏移、缩放——漏一步框全歪。合成框往返单元测试误差应小于零点五像素。裁剪后针孔内参同步改：焦距不变，主点减裁剪原点。忘记改内参时解算在区域内仍收敛，绝对位姿却偏几厘米。

python

x0, y0, w, h = 100, 80, 320, 240
roi = img[y0:y0+h, x0:x0+w]
K_roi = K.copy()
K_roi[0, 2] -= x0
K_roi[1, 2] -= y0

上一帧跟踪框放大一点二倍；粗检测或运动掩膜轮廓；固定工位先验投影；立体有效视差区域类比维护有效深度区，避免黑边上检测。召回导向放大：宁可多算背景，不可切目标。边距百分之十到二十。级联：粗检测加区域内细模型，常比全图重模型划算。

语义或深度只在掩膜内算；非零像素计数监控，少于百分之五则跳过该帧。腐蚀掩膜做碰撞裕度。按位与后检测只在掩膜内跑，假框率常降——掩膜腐蚀过度会切目标，和裁剪太紧同一类错误。

连续若干帧无检测命中时回全图一帧重新捕获，避免跟丢后永久漏检。多实例区域并行时常设 OpenCV 单线程，避免内部过度并行。回退延迟是服务等级的一部分，要写进规格而不只是注释。

某抓取流水线区域来自上一帧跟踪，遮挡一帧后区域漂到空白，后续两百帧全漏——没有全图回退。加三帧无命中则全图一帧后，最坏恢复小于一百毫秒。教训：回退是流水线一级公民，和裁剪尺寸同级评审。

区域内做透视 n 点必须用裁剪后内参；全图内参在区域内解算会 silent 错。我会把区域来源、放大系数、回退帧数写进 yaml，启动摘要打印，避免现场只改检测阈值不改区域策略。立体流水线里有效视差区域随去畸变和裁剪变化，检测区域应与之对齐，否则会在无效深度区浪费算力或在黑边产生假目标。

粗模型全图轻量、细模型区域内重量是常见级联：粗模型召回导向、细模型精度导向。预算表应分别报全图粗检和区域细检的毫秒数，别只报「裁剪后总时间」——否则粗检仍占大头时裁剪收益被掩盖。多工位并行时对每个实例设 OpenCV 单线程，总线程数等于工位数，避免内外双重并行拖垮 CPU。

区域省算力，先验和回退省事故。三者写进流水线契约，别只写裁剪尺寸。