Ghost-FWL

## ⚠️ 数据集来源与作者声明 本数据集为**非官方镜像（Mirror）**，仅为方便国内研究者下载而转载至 ModelScope，上传者**不是**该数据集的原作者。 **数据集原作者（版权所有）**： Kazuma Ikeda\*, Ryosei Hara\*, Rokuto Nagata, Ozora Sako, Zihao Ding, Takahiro Kado, Ibuki Fujioka, Taro Beppu, Mariko Isogawa, Kentaro Yoshioka （\* 表示共同第一作者） **所属机构**：庆应义塾大学（Keio University）、索尼半导体解决方案公司（Sony Semiconductor Solutions） **官方渠道**： | 渠道 | 链接 | | --- | --- | | 项目主页 | https://keio-csg.github.io/Ghost-FWL/ | | 论文（arXiv） | https://arxiv.org/abs/2603.28224 | | 官方代码仓库 | https://github.com/Keio-CSG/Ghost-FWL | | 官方数据下载（Google Drive） | https://drive.google.com/drive/folders/1C7jerNeQf2rsT53lUmA20YUb4PNCOnp4 | 如原作者对镜像转载有任何异议，请联系上传者，将第一时间删除。 --- ## 📖 数据集简介 Ghost-FWL 是首个面向**移动场景鬼影（Ghost）检测与去除**任务的大规模全波形激光雷达（Full-Waveform LiDAR, FWL）标注数据集。 LiDAR 发射的激光脉冲经玻璃等透明/反射表面发生多径反射后，会在不存在物体的位置产生虚假点（鬼影），严重干扰 3D 建图、定位与目标检测。与传统点云数据集不同，Ghost-FWL 保留了每个激光脉冲完整的时序强度直方图（Full-Waveform），并在峰（peak）级别标注每次反射的物理来源。 **规模与内容**： - **24,412** 个标注帧，覆盖 **10** 个真实室内外场景（4 室内 + 6 室外） - **75 亿（7.5B）** 个峰级别标注，类别为：`Noise(0)`、`Object(1)`、`Glass(2)`、`Ghost(3)` - 另有约 8,933 帧无标签移动轨迹序列，用于自监督预训练（FWL-MAE） - 传感器直方图尺寸：400 × 512 × 700（垂直 × 水平 × 时间 bin，约 1 ns/bin，最大量程 105 m） - 规模为既有标注 FWL 数据集的 100 倍以上 --- ## 📂 数据集结构 ```bash # 一、监督训练/评估用（有 peak-level 标注） ghost_dataset/ ├── sceneXXX/ │ ├── data/histYYY/ │ │ └── YYYYMMDDHHMMSS_{t}_{id}_voxel.b2 # 原始波形直方图 (400, 512, 700) float32 │ ├── annotation_v1/histYYY/ │ │ └── YYYYMMDDHHMMSS_{t}_{id}_annotation_voxel.b2 # 标注 │ └── annotation_v1_expand/histYYY/ │ └── YYYYMMDDHHMMSS_{t}_{id}_annotation_voxel.b2 # 膨胀后的标注 (训练建议用此版本) # 二、自监督预训练用（无类别标注） mae_dataset/ ├── ghost/ 及 normal/ │ ├── YYYYMMDDHHMMSS_voxel_b2/ │ │ └── YYYYMMDDHHMMSS_{t}_{id}_voxel.b2 # 原始波形直方图 │ └── peaks/YYYYMMDDHHMMSS_voxel_b2/ │ └── YYYYMMDDHHMMSS_{t}_{id}_peak.npy # 峰参数 (204800, 3): [x, y, [pos, intensity, width]] ``` **读取示例**： ```python import numpy as np import blosc2 # 读取 .b2 波形/标注文件 with open("xxx_voxel.b2", "rb") as f: voxel = blosc2.load_array(f) # (400, 512, 700) # 读取峰参数文件 peaks = np.load("xxx_peak.npy", allow_pickle=True) # (204800, 3) ``` > ⚠️ 注意：官方说明中指出以下 3 个原始文件已损坏，下载后请删除： > > ```bash > ghost_dataset/scene003/annotation_v1/hist022/20250929162519_t01759130735367000000_000043_annotation_voxel.b2 > ghost_dataset/scene003/annotation_v1_expand/hist022/20250929162519_t01759130735367000000_000043_annotation_voxel.b2 > ghost_dataset/scene003/data/hist022/20250929162519_t01759130735367000000_000043_voxel.b2 > ``` --- ## ⚖️ 免责声明 1. **版权归属**：Ghost-FWL 数据集的全部数据内容及知识产权归原作者（庆应义塾大学与索尼半导体解决方案公司研究团队）所有。本镜像未对数据内容做任何修改。 2. **非官方镜像**：本仓库仅为方便网络访问受限的研究者下载而建立的转载副本，不代表原作者立场，亦未获得额外的授权许可。数据集的官方发布渠道与使用条款以[项目主页](https://keio-csg.github.io/Ghost-FWL/)为准。 3. **使用限制**：使用者应自行确认并遵守原作者对数据集的使用条款（原仓库未附带开源许可证，商用或再分发前请务必向原作者确认授权）。建议仅将该数据集用于学术研究目的。 4. **无担保**：本镜像按"现状（as-is）"提供，上传者不对数据的完整性、准确性、可用性做任何明示或暗示的保证。因使用本数据集产生的任何直接或间接后果，上传者不承担责任。 5. **引用要求**：使用该数据集发表论文或成果时，必须引用原作者的论文（见下方 BibTeX）。 6. **删除条款**：若原作者或版权方要求停止传播，本镜像将在收到通知后及时删除。 --- ## 📚 引用 如果该数据集对你的研究有帮助，请引用原论文： ```bibtex @inproceedings{ikeda2026ghostfwl, title = {Ghost-FWL: A Large-Scale Full-Waveform LiDAR Dataset for Ghost Detection and Removal}, author = {Ikeda, Kazuma and Hara, Ryosei and Nagata, Rokuto and Sako, Ozora and Ding, Zihao and Kado, Takahiro and Fujioka, Ibuki and Beppu, Taro and Isogawa, Mariko and Yoshioka, Kentaro}, booktitle = {IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, year = {2026} } ``` --- *本卡片由数据集镜像上传者编写，最后更新：2026-08。*