本系列博客旨在介绍无人驾驶领域中颇负盛名的KITTI公开数据集，首先整体介绍该数据集的由来、数据组织方式、官方开发工具的使用，重点详细介绍其中对于Object、Tracking和raw data的数据使用，主要分享了我在使用这些数据集时开发的一些工具，也介绍了Gihub上一些开源工具的使用，帮助大家在没有真实无人驾驶车辆时如何利用好KITTI数据集来实现和验证自己的算法。

【文章列表】
无人驾驶之KITTI数据集介绍与应用（一）——数据组织方式介绍
 无人驾驶之KITTI数据集介绍与应用（二）——官方matlab代码使用与解读

KITTI数据集是由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，利用组装的设备齐全的采集车辆对实际交通场景进行数据采集获得的公开数据集。该数据集包含丰富多样的传感器数据（有双目相机、64线激光雷达、GPS/IMU组合导航定位系统，基本满足对图像、点云和定位数据的需求）、大量的标定真值（包括检测2D和3D包围框、跟踪轨迹tracklet）和官方提供的一些开发工具等。

1. 采集平台介绍

此部分主要参考KITTI官网setup部分内容。

如图1所示，KITTI数据集所采用的采集车为经过改装过的大众帕萨特B6，使用8核i7计算机，运行在Ubuntu系统下进行数据录制，采集平台包含如下传感器：

1个惯性导航系统（GPS/IMU）：OXTS RT 3003
1个激光扫描仪：Velodyne HDL-64E
2个灰度相机，140万像素：Point Grey Flea 2（FL2-14S3M-C）
2个彩色相机，140万像素：Point Grey Flea 2（FL2-14S3C-C）
4个变焦镜头，4-8mm：Edmund Optics NT59-917
激光雷达扫描频率为10帧/s，相机基本上和地平面保持水平，图像采集尺寸被裁减为1382×512像素，在经过校正后，图像可能会进一步变小，相机的采集频率也保持在10HZ并且在激光雷达朝向正前方时释放快门，传感器的整体布置图如图2所示。

image_00：左侧灰度相机图像序列
image_01：右侧灰度相机图像序列
image_02：左侧彩色相机图像序列
image_03：右侧彩色相机图像序列
oxts：GPS/IMU位姿相关信息序列
velodyne_points：激光雷达数据序列

2.2 object数据组织方式

object数据集主要用于验证无人驾驶中有关目标检测算法而设置的数据集，该数据集包含“2D Object Detection”、“3D Object Detection”和“Bird’s Eye View”三部分数据，分别用于验证2D图像检测框、3D图像或者激光雷达包围盒和鸟瞰图检测算法的优劣。
该部分数据可以针对你所开发检测算法的具体需求，选择下载图像或者雷达等数据，每个数据下载解压之后都包含training和testing两个文件夹，分别用于检测算法中作为训练数据和测试数据，其中训练数据包含有标注文件。需要注意的是对于object数据集，其数据并不是严格连续采集的数据，即都是单帧结果，只用于检测算法使用。