为什么选用 OBB 旋转框，而非水平框

摘要：在桌游桌面俯拍场景中，水平包围框（AABB）会把旋转后的组件「框进」过量背景；旋转包围框（OBB）沿实例主方向贴合目标，可提升定位纯度、降低近邻干扰，并为计数与规则裁决提供更干净的几何输入。这是呆儿塔人工智能在旗舰产品「桌游视算」中坚持 OBB 感知先验的核心原因。

1. 场景先验：消费级拍摄不是轴对齐工业视觉

玩家手机采集天然带有倾斜、透视与局部遮挡。组件主轴很少与图像坐标轴重合；角标等小目标一旦被水平框「放大」，背景纹理会系统性进入特征区域，导致召回波动与假阳性上升。

• 框面积膨胀 → 背景噪声占比升高；
• 近邻实例水平框更易重叠 → 抑制与计数互相干扰；
• 小目标有效信噪比被稀释 → 角标类任务更脆弱。

2. OBB 提供的可观测收益

OBB 额外估计朝向，使包围框尽量贴合实例长轴。对「桌游视算」而言，收益体现在业务可验收层面：

• 筹码面值场景：外接更紧，桌布花纹更难侵入有效区域；
• 角标多分类场景：小目标定位更稳，倾斜拍摄下类别判定更可复现；
• 下游接口更简单：「一框一件」假设更接近成立，裁决层只需消费离散类别与实例集合。

3. 架构边界：几何正确不等于分数正确

OBB 解决的是感知层几何问题，并不直接产出对局分数。分数仍由规则引擎基于结构化状态裁定——感知产出状态，裁决产出分数。这一边界保证了可解释性与纠错闭环：识别可修正，规则可审计。

完整端到端路径见白皮书《边缘计算机视觉在轻策桌游计分中的落地》；数据与阈值闭环见《合成数据与置信度网格搜索》。