P4：权重/标签模块 —— 旁挂标签文件 + PT→ONNX→TRT 转换工具 + 归档归位

痛点：TensorRT 10.13 的 Python API 没有元数据读写，engine 一转就把类名丢了；
推理侧只能退化成 str(cid)（"0"、"1"），界面上看不出是什么类，属于静默失效。
同时旧的 export_yolo_trt.sh 只能手工搬文件、手工改 site.yaml、标签无处安放。

标签子系统（model_labels.py）
- 旁挂标签文件 <模型名>.labels.yaml，放在权重旁边，文本、可手改、进 git
  （二进制权重不进 git，标签是配置所以进）
- 读取优先级：旁挂文件 > ONNX 元数据 > 模型元数据 > 占位符 class_N
  占位符是故意的：缺标签时要一眼看出来，而不是悄悄退回 cid
- 解析器容忍多种写法：dict / list / 逗号串 / 逐行文本 / Python repr 串

布局与转换（weights_layout.py + weights.py + weights.sh）
- models/<分组>/<模型名>.{pt,onnx,engine} + 同名 .labels.yaml
- convert：PT→ONNX→TensorRT，支持自定义名字、自动归位、固化标签
- staging/：非标准格式先进这里，转换后源文件归档到 staging/done/
- list / labels / doctor / show 四个子命令
- doctor --check-engines 能查出 engine 与 TensorRT 版本不匹配（反序列化返回空）

推理侧接入
- yolo_detector / onnx_workpiece / hole_detect_hough 统一走 read_labels()
- 画框标签不再硬编码 "gongjian"，改用实际类名

顺手修掉的真实问题
- setup.py 撞上断掉的符号链接会让整包构建失败，报错还指向 build/ 里的幽灵文件
  （源文件被挪走后 build/ 里留下的断链被 os.walk 列出来）。加 _existing() 过滤。
- P3 遗漏：site.yaml / export_site_env.py / run_handeye.sh / handeye_teach.py /
  handeye_calibrate.py 里的 handeye 工作目录仍是 /tmp/handeye_calib*，
  与已迁到 handeye/ 的其余路径不一致。统一到 handeye/tmp/<臂号>。
- site.yaml 的 hole_weights / hole_detect.weights 原指向不存在的 best.pt，
  改为实际存在的 detect_best_1.onnx；active.pt 符号链接已废弃并清理。
- weights.sh labels 原先不接受 "分组/模型名" 写法，而 list 输出正是这个形式，
  照着敲会报"找不到模型"。补上，并让报错直接给出可复制的全名。

测试：225 项通过（新增 test_model_labels.py / test_weights_layout.py）。
真实 ONNX→engine 端到端转换已验过。

Co-authored-by: Cursor <cursoragent@cursor.com>

scripts/weights.sh

@@ -0,0 +1,69 @@
+#!/usr/bin/env bash
+# 权重模块的统一入口（薄封装）。
+#
+#   bash ~/ros2/scripts/weights.sh list
+#   bash ~/ros2/scripts/weights.sh labels detect_best_0
+#   bash ~/ros2/scripts/weights.sh labels detect_best_0 --set "工件,通止规"
+#   bash ~/ros2/scripts/weights.sh convert staging/best_v3.pt --name workpiece
+#   bash ~/ros2/scripts/weights.sh doctor --check-engines
+#
+# 本脚本只做三件事：准备环境（ROS + TensorRT 动态库）→ 挑一个能用的 python → 转发。
+# 真正的逻辑在 scripts/weights.py。
+#
+# 完全等价的老命令 export_yolo_trt.sh 仍然可用（它是本脚本的转发壳）。
+
+set -eo pipefail
+ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
+
+# 用户显式指定解释器时优先用它；否则试 ros_flexiv。
+# 本模块需要的重依赖（ultralytics / onnx / tensorrt / onnxruntime）都在那里。
+pick_python() {
+  if [[ -n "${WEIGHTS_PY:-}" ]]; then
+    echo "${WEIGHTS_PY}"; return 0
+  fi
+  local cands=(
+    "${HOME}/anaconda3/envs/ros_flexiv/bin/python"
+    "$(command -v python3 || true)"
+  )
+  for c in "${cands[@]}"; do
+    [[ -n "${c}" && -x "${c}" ]] || continue
+    # list/labels/show 只需要 yaml；convert/doctor 才需要 tensorrt。
+    # 这里统一要求 yaml，避免半路才发现解释器不对。
+    if "${c}" -c 'import yaml' >/dev/null 2>&1; then
+      echo "${c}"; return 0
+    fi
+  done
+  return 1
+}
+
+PY="$(pick_python)" || {
+  echo "错误: 找不到可用的 python（需要能 import yaml）。" >&2
+  echo "      可用 WEIGHTS_PY=/path/to/python 指定。" >&2
+  exit 1
+}
+
+# TensorRT 的 pip 版把 .so 放在非标准位置，TensorRT 的 Python API 和运行时都要用。
+# export_yolo_trt.sh 里也是这么做的；这里保持同样做法。
+TRT_LIBS="$("${PY}" - <<'PY' 2>/dev/null || true
+import pathlib
+try:
+    import tensorrt
+except Exception:
+    raise SystemExit(0)
+p = pathlib.Path(tensorrt.__file__).resolve().parent
+cands = [p, p.parent / "tensorrt_libs", p.parent / "nvidia" / "tensorrt" / "lib"]
+print(":".join(str(x) for x in cands if x.exists()))
+PY
+)"
+[[ -n "${TRT_LIBS}" ]] && export LD_LIBRARY_PATH="${TRT_LIBS}${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}"
+
+# 不让 Ultralytics 自己去 pip 装东西（会卡住或破坏环境）。
+export YOLO_AUTOINSTALL=false
+
+# site.yaml 里的 yolo.imgsz 作为 convert 的默认尺寸。
+if [[ -f "${ROOT}/scripts/lib/load_site_config.sh" ]]; then
+  # shellcheck disable=SC1091
+  source "${ROOT}/scripts/lib/load_site_config.sh" >/dev/null 2>&1 || true
+fi
+
+exec "${PY}" "${ROOT}/scripts/weights.py" "$@"