KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。整个数据集由389对立体图像和光流图，39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成，以10Hz的频率采样及同步。
方法/步骤
1
激光照射到物体表面产生大量点数据，KITTI中的点数据包括四维x,y,z以及reflectance反射强度。Velodyne 3D激光产生点云数据，以.bin(二进制)文件保存。
2
激光数据为N*4的浮点数矩阵，raw data development kit中的matlab文件夹是官方提供matlab接口，主要是将激光数据与相机数据结合，在图像上投影。
3
matlab接口详解及使用 最终可以将点云数据保存为pcd格式，然后用pcl进行相应处理。
4
将下载的数据解压放在VOC2007下，图片放入JPEGImages里，标注信息解压后的label_2文件夹在VOC2007下，与Annotations等平行。这就是所有的准备工作，接下来将kitti转换为pascal形式。
5
转换kitti类别：我忽略了’DontCare’和’Misc’类，也忽略了’Cyclist’类，因为图片中这一类过于小，标注信息也不准确，肉眼都难以分辨。我还合并’Person_sitting’和’Pedestrian’统一为’Pedestrian’。你可以根据自己需求修改。修改后可以看到txt文件里的内容已经变化。
6
对原始txt文件进行上述处理后，接下来需要将标注文件从txt转化为xml，并去掉标注信息中用不上的部分，只留下3类，还有把坐标值从float型转化为int型，最后所有生成的xml文件要存放在Annotations文件夹中。
注意事项
1
以上就是小编带给大家的如何操作的关键所在，如果觉得本经验对你们有帮助，请给小编我进行一点小小的支持。大家也可以下面发表一下自己的看法。
2
个人意见，仅供参考。