Scope reduction: remove rail/3D, focus on portal-frame pole 2D detection

- Remove Module B (rail segmentation) and Module C (2D→3D triangulation)
- Rename project: RailPose3D → PoleDetect2D
- Update keypoint schema: {base,top,L_arm,R_arm} → {foot_L,foot_R,head_L,head_R}
- Sprint table reduced from 9 to 5: S0–S4 (pole-only)
- Mark rail-detector-builder and triangulation-builder as INACTIVE
- SfM poses kept for self-training pseudo-label generation only (no 3D output)

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

CLAUDE.md

@@ -1,6 +1,7 @@
-# CLAUDE.md — RailPose3D
+# CLAUDE.md — PoleDetect2D
 
-> **프로젝트 명**: **RailPose3D** — 드론 영상에서 전철주·레일 등 **긴 물체를 검출**하고 SfM 카메라 포즈로 **3D 좌표화**하는 R&D 프로젝트.
+> **프로젝트 명**: **PoleDetect2D** — 드론 영상에서 **라멘구조 전철주(portal-frame catenary pole)** 를 2D로 검출하는 R&D 프로젝트.
+> (구 프로젝트명: RailPose3D. 2026-04-28 범위 축소: 레일 제거, 3D 제거, 라멘구조 전철주 2D 검출에 집중.)
 
 ## 0. 모든 에이전트 첫 행동 (필수)
 
@@ -8,44 +9,46 @@
 
 1. [PLAN.md](PLAN.md) 를 읽는다 — 불변 기준선·sprint 분할·검증 지표.
 2. [PROGRESS.md](PROGRESS.md) 를 읽는다 — 현재 sprint, 다음 액션, blocker.
-3. 자신의 역할이 어느 sprint·module 에 속하는지 PROGRESS.md 의 *Current Sprint* 섹션과 대조해 명시한 뒤 작업을 시작한다.
+3. 자신의 역할이 어느 sprint 에 속하는지 PROGRESS.md 의 *Current Sprint* 섹션과 대조해 명시한 뒤 작업을 시작한다.
 
 작업이 끝나면 **반드시** PROGRESS.md 의 Sprint 상태판 + Activity Log 를 갱신한다.
 
 ## 1. Goal (요약)
 
-- **입력**: 드론 nadir + oblique 영상, 그리고 SfM(COLMAP/Metashape)이 산출한 카메라 포즈와 sparse/dense cloud (사용자 보유).
-- **출력**: 전철주 base 의 3D point + 레일의 3D polyline (EPSG:5186 GeoJSON / DXF).
+- **입력**: 드론 nadir + oblique 영상.
+- **출력**: 라멘구조 전철주의 4-keypoint 픽셀 좌표 `{foot_L, foot_R, head_L, head_R}` + 신뢰도.
 - **제약**: 라벨 30장만 보유 (zero-shot/transfer/self-training 우선), Windows 환경, 한국 catenary 도메인.
+- **범위 밖**: 레일 검출, 3D 좌표 추출, GeoJSON/DXF export.
 
-## 2. Architecture (3-모듈, 불변)
+## 2. Architecture (단일 모듈)
 
 | Module | 책임 | 채택 |
 |---|---|---|
-| **A** Pole keypoint | 전철주 4-keypoint `{base, top, L_arm, R_arm}` | RTMPose-m / ViTPose |
-| **B** Rail seg | 레일 binary mask → skeleton → polyline | SegFormer-B2 (3-stage transfer) |
-| **C** 2D→3D | 다중뷰 삼각측량으로 3D 좌표 산출 | DBSCAN + pycolmap + pyceres / PDAL CSF + Open3D + scipy |
+| **A** Pole keypoint | 라멘구조 4-keypoint `{foot_L, foot_R, head_L, head_R}` | RTMPose-m / ViTPose |
+
+- **foot_L / foot_R**: 왼쪽/오른쪽 기둥 하단 (지면 접점)
+- **head_L / head_R**: 왼쪽/오른쪽 기둥 상단 (가로 보 연결점)
 
 자세한 근거는 [docs/plan.md](docs/plan.md) 참조.
 
 ### 절대 하지 않는 것
 
-- bbox 기반 detector 로 base 추정 (oblique view 에서 완금이 base 로 오인됨 — 기하 문제)
-- SfM dense mesh 에서 직접 객체 추출 (가는 물체에서 fragment)
+- bbox 기반 detector 로 foot 추정 (oblique view 에서 가로 보가 foot 으로 오인됨 — 기하 문제)
 - 30장으로 큰 모델 from-scratch 학습
-- Lane detector(CLRNet 등) 를 nadir 드론에 그대로 적용
 - BlenderProc 합성 데이터에만 의존
+- 레일 검출 코드 추가 (범위 밖)
+- 3D 삼각측량 코드 추가 (범위 밖)
 
 ## 3. Harness 설계 원칙 (Anthropic engineering blog 기반)
 
 이 프로젝트는 **Planner / Generator / Evaluator** 3-역할 분리 하네스로 운영한다.
 
 - **Planner = `plan-architect` 에이전트** — sprint 단위로 분해, contract(번호 매긴 성공 조건) 작성.
-- **Generator = 모듈별 builder 에이전트** — `pole-detector-builder`, `rail-detector-builder`, `triangulation-builder`, `data-pipeline-builder`.
-- **Evaluator = `module-evaluator` 에이전트** — PCK / mIoU / reprojection error 등 정량 지표로 contract pass/fail 판정.
+- **Generator = `pole-detector-builder`, `data-pipeline-builder`** — 검출 모델, 데이터 파이프라인, self-training 구현.
+- **Evaluator = `module-evaluator` 에이전트** — PCK@5px 로 contract pass/fail 판정.
 
 원칙:
-- **Decomposition** — 한 sprint 에 한 모듈·한 feature 만.
+- **Decomposition** — 한 sprint 에 한 feature 만.
 - **File-based handoff** — 대화 턴이 아니라 PLAN.md / PROGRESS.md / `docs/contracts/*.md` 로 인계.
 - **Context reset over compaction** — 컨텍스트 압박 시 `/handoff` 로 상태 스냅샷 후 새 세션 시작.
 - **Evaluator tuning loop** — evaluator 의 판단이 사용자와 어긋나면 evaluator 프롬프트를 갱신.
@@ -57,7 +60,7 @@
 [user] → /start                # PLAN+PROGRESS 자동 로드·요약
         → /sprint <id>          # plan-architect → contract 생성
         → builder agent 작업    # generator
-        → /eval <module>        # module-evaluator → pass/fail
+        → /eval A               # module-evaluator → PCK pass/fail
         → /progress             # PROGRESS.md 갱신
         ↳ context 부족 시 /handoff 후 새 세션
 ```
@@ -75,30 +78,27 @@ detectelectronpole/
 │   ├── research.md
 │   ├── contracts/           ← sprint contract 파일 (S<n>-contract.md)
 │   └── handoffs/            ← context 핸드오프 스냅샷
-├── data/                    ← 드론 원본·SfM·라벨 (gitignored)
-├── configs/                 ← MMPose, SegFormer 등 설정
+├── data/                    ← 드론 원본·라벨 (gitignored)
+├── configs/                 ← MMPose 설정
 ├── src/
-│   ├── detection/           ← 모듈 A, B
-│   ├── triangulation/       ← 모듈 C
-│   ├── self_training/
-│   └── export/              ← GeoJSON/DXF
+│   ├── detection/           ← Module A (pole keypoint)
+│   └── self_training/       ← SfM-consistent pseudo-label loop
 ├── pipeline/
-│   └── run_full.py          ← end-to-end orchestrator
+│   └── run_detect.py        ← detection orchestrator
 ├── tests/
 └── .claude/
     ├── agents/              ← 서브에이전트
     ├── skills/              ← /start, /sprint, /eval, /progress, /handoff, /contract
-    ├── commands/            ← (legacy mirror, skills 와 동일 내용)
     └── settings.json        ← hooks
 ```
 
 ## 6. 코딩·환경 규약
 
 - Python 3.11+, `uv` 또는 conda 환경.
-- 라이브러리: `pycolmap`, `pyceres`, `open3d`, `pdal`, `mmpose`, `transformers`(SegFormer), `albumentations`, `scipy`, `geomdl`, `ezdxf`.
+- 라이브러리: `mmpose`, `albumentations`, `opencv-python`, `numpy`, `scipy`.
 - 타입 힌트 필수, `ruff` + `pytest`.
-- 모든 detection 출력은 **COCO-keypoints** (pole) / **GeoJSON-like polyline** (rail) 통합 포맷으로 직렬화.
-- 좌표계: 기본 EPSG:5186 (Korea Central Belt 2010), 로컬 frame 인 경우 GCP 3점으로 변환.
+- 모든 detection 출력은 **COCO-keypoints** 포맷 (pole).
+- SfM 카메라 포즈는 self-training pseudo-label 생성 용도로만 사용 (3D 출력 없음).
 
 ## 7. Memory & Imports