1. 点云与图像双模态数据的基础认知1.1 为什么KITTI的处理逻辑和普通数据集不一样KITTI数据集在自动驾驶感知领域的位置大概相当于计算机视觉里的ImageNet——你可以不用它发论文但你绕不开它。它最特殊的地方在于同一时刻采集了相机图像和激光雷达点云两套数据而且两者之间做了精确的时间同步和外参标定。这意味着你可以把图像里的像素和点云里的三维点对应起来做前融合、后融合或者中间融合的各种实验。但这也恰恰是处理起来最麻烦的地方。普通图像数据集你只要管好图片和标签的对应关系就行KITTI不行。它一个场景sequence里包含了几百帧数据每帧有4张相机图灰度左右彩色左右、1个点云文件、标定参数、时间戳还有可能存在的标注文件。这些文件之间的命名规则、目录结构、时间戳对齐方式都有固定的套路。你如果不按它的规则来后面做投影、做融合的时候就会各种对不上。我见过不少刚入门的同学拿到KITTI之后直接把点云和图像分别读出来然后发现投影上去完全错位就开始怀疑标定文件有问题。实际上十有八九是没搞清楚坐标系转换的链路。KITTI涉及至少四个坐标系相机坐标系、激光雷达坐标系、图像像素坐标系、还有归一化设备坐标系。每个坐标系之间的转换矩阵在标定文件里都有但你要知道按什么顺序乘。1.2 核心文件类型与目录结构速览KITTI原始数据的目录结构是有标准范式的虽然不同任务目标检测、光流、深度估计、里程计的子集略有差异但核心文件类型是一致的。我整理了一个速查表方便你对照自己的数据目录文件类型扩展名内容说明关键用途点云数据.bin浮点二进制每点4个float32x,y,z,反射强度三维检测、点云分割灰度左相机.png8位灰度图对应cam0双目匹配、视觉里程计灰度右相机.png8位灰度图对应cam1双目视差计算彩色左相机.png24位彩色图对应cam2目标检测、语义分割彩色右相机.png24位彩色图对应cam3彩色双目标定文件.txt相机内参、外参、投影矩阵坐标转换、点云投影时间戳.txt每帧采集时刻微秒级多传感器同步标注文件.txt目标框、类别、遮挡状态监督学习训练目录组织上通常按场景编号分文件夹比如0000、0001这样。每个场景文件夹里再按数据类型分子目录。但要注意有些任务的数据集是把所有场景的某一类文件放在一个大目录下用文件名前缀区分场景。这两种组织方式在处理代码里要分别适配不能想当然。提示拿到数据后第一件事不是急着写加载代码而是先用ls或者文件管理器把目录结构看清楚。我吃过亏按自己以为的结构写了半天加载逻辑结果发现人家的点云文件是按场景分开放的不是按帧号平铺的。1.3 点云二进制文件的读取原理KITTI的点云文件是纯二进制格式没有文件头没有分隔符就是一连串的float32。每个点占16个字节依次是x、y、z、反射强度。这种格式的好处是读取极快坏处是你必须知道每个点占多少字节否则读出来全是乱码。用Python读取的话最直接的方式是用numpy.fromfile指定dtypenp.float32然后reshape(-1, 4)。这样得到的是一个N行4列的数组N就是点数。我实测过一个典型的KITTI点云文件大概12万个点左右用这种方式读取耗时在毫秒级非常高效。但这里有个坑不同版本的数据集点云的维度可能不一样。早期有些子集是4维x,y,z,intensity后来有些扩展版本加了额外维度。你如果直接写死reshape(-1, 4)遇到维度不对的文件就会报错。稳妥的做法是先读文件大小除以4float32字节数再除以你预期的维度数看能不能整除。如果不能整除说明维度假设错了需要调整。import numpy as np import os def read_kitti_point_cloud(bin_path): 读取KITTI点云二进制文件 if not os.path.exists(bin_path): raise FileNotFoundError(f点云文件不存在: {bin_path}) file_size os.path.getsize(bin_path) # 每个float32占4字节 num_floats file_size // 4 # 尝试常见的维度数 for dim in [4, 5, 6]: if num_floats % dim 0: points np.fromfile(bin_path, dtypenp.float32) points points.reshape(-1, dim) print(f读取成功: {points.shape[0]}个点, {dim}维) return points raise ValueError(f无法确定点云维度, 文件大小: {file_size}字节)这段代码的核心逻辑就是先探测维度再读取比直接硬编码要稳得多。你可以把它封装成一个工具函数后面所有涉及点云读取的地方都调它。2. 标定文件解析与坐标系转换链路2.1 标定文件里到底存了什么KITTI的标定文件是一个纯文本文件里面是一行行的矩阵数据。不同子集的标定文件内容略有差异但核心包含以下几类P0~P34个相机的投影矩阵3行4列。这个矩阵把三维空间中的点在相机坐标系下投影到二维像素坐标。R0_rect校正旋转矩阵3行3列。用于把未校正的相机坐标系转到校正后的坐标系。Tr_velo_to_cam激光雷达到相机的变换矩阵3行4列实际是3行3列的旋转加3行1列的平移拼成3行4列。Tr_imu_to_veloIMU到激光雷达的变换矩阵同样3行4列。这些矩阵的数值是经过精确标定得到的你不能自己改也不能忽略任何一个。特别是R0_rect很多人做点云投影的时候忘了乘它结果投影出来的点云和图像总是差那么一点怎么调都调不准。2.2 从激光雷达到图像像素的完整转换这是KITTI处理中最核心的一条链路我把它拆成四步第一步激光雷达坐标系 → 相机坐标系用Tr_velo_to_cam矩阵。这个矩阵是3行4列的你需要把它扩展成4行4列最后一行补[0,0,0,1]然后把点云的齐次坐标x,y,z,1乘上去。得到的结果是在相机坐标系下的三维点。第二步相机坐标系 → 校正相机坐标系用R0_rect矩阵。同样需要扩展成4行4列右下角补1。这一步很多人会漏掉但它是必须的因为KITTI的相机图像是经过校正的而标定参数是在未校正坐标系下测的。第三步校正相机坐标系 → 图像像素坐标系用投影矩阵P通常是P2对应彩色左相机P0对应灰度左相机。P是3行4列的直接乘上一步得到的齐次坐标得到的是齐次像素坐标u, v, w。然后除以w得到最终的像素坐标u, v。第四步过滤无效点不是所有点云都能投影到图像上。有些点在相机后面z0有些投影到图像范围外u0或u图像宽度这些都要过滤掉。另外你还可以根据深度值做进一步过滤比如只保留一定距离内的点。def project_velo_to_image(points_velo, calib_data, camera_id2): 将激光雷达点云投影到指定相机的图像平面 points_velo: Nx4数组 (x, y, z, intensity) calib_data: 包含标定矩阵的字典 camera_id: 相机编号 (0-3) # 提取标定矩阵 P calib_data[fP{camera_id}] # 3x4 R0_rect calib_data[R0_rect] # 3x3 Tr_velo_to_cam calib_data[Tr_velo_to_cam] # 3x4 # 扩展为4x4 R0_rect_4x4 np.eye(4) R0_rect_4x4[:3, :3] R0_rect Tr_velo_to_cam_4x4 np.eye(4) Tr_velo_to_cam_4x4[:3, :] Tr_velo_to_cam # 取点云的前三维 pts_3d points_velo[:, :3] N pts_3d.shape[0] # 转为齐次坐标 pts_3d_homo np.hstack([pts_3d, np.ones((N, 1))]) # 第一步: 激光雷达 - 相机 pts_cam (Tr_velo_to_cam_4x4 pts_3d_homo.T).T # 第二步: 相机 - 校正相机 pts_cam_rect (R0_rect_4x4 pts_cam.T).T # 第三步: 校正相机 - 图像像素 pts_2d_homo (P pts_cam_rect[:, :4].T).T # 归一化 pts_2d pts_2d_homo[:, :2] / pts_2d_homo[:, 2:3] # 第四步: 过滤 depth pts_cam_rect[:, 2] valid_mask (depth 0) \ (pts_2d[:, 0] 0) (pts_2d[:, 0] 1242) \ (pts_2d[:, 1] 0) (pts_2d[:, 1] 375) return pts_2d, depth, valid_mask这段代码我用了矩阵乘法而不是循环因为点云动辄十几万个点用循环处理会慢到无法接受。矩阵乘法的写法虽然看起来抽象但效率是循环的几百倍。2.3 标定文件解析的实操细节解析标定文件的时候有几个细节容易出错。第一文件里的矩阵是按行存储的但每行的元素个数不一样。P矩阵是12个元素3x4R0_rect是9个元素3x3Tr矩阵也是12个元素。你不能用一个统一的解析逻辑去处理所有行必须根据行首的标识符来判断。第二有些标定文件里会有多余的空格或者换行用split()的时候要注意过滤空字符串。第三标定文件里的数值是科学计数法表示的用float()转换的时候一般没问题但如果遇到异常值比如nan或inf要提前做检查。def parse_calib_file(calib_path): 解析KITTI标定文件 calib_data {} with open(calib_path, r) as f: for line in f: line line.strip() if not line: continue # 按冒号分割 if : not in line: continue key, value line.split(:, 1) key key.strip() value value.strip() # 解析数值 try: numbers [float(x) for x in value.split()] except ValueError: print(f警告: 无法解析 {key} 的数值) continue # 根据key确定矩阵形状 if key.startswith(P): calib_data[key] np.array(numbers).reshape(3, 4) elif key R0_rect: calib_data[key] np.array(numbers).reshape(3, 3) elif key.startswith(Tr_): calib_data[key] np.array(numbers).reshape(3, 4) else: calib_data[key] np.array(numbers) return calib_data这个解析函数我用了好几年基本没出过问题。唯一需要注意的是不同版本的标定文件可能有些key不一样比如有些版本没有Tr_imu_to_velo你的代码要能容忍这种情况不要因为缺一个key就整个报错。3. 点云与图像融合的实操流程3.1 数据加载与预处理的完整链路做融合之前你需要把三样东西准备好点云、图像、标定参数。这三样东西的加载顺序其实有讲究。我建议先加载标定参数因为后面加载点云和图像的时候可能需要根据标定参数来决定一些预处理策略比如图像裁剪范围、点云过滤距离等。加载点云的时候除了读取二进制文件通常还要做一步预处理去除无效点。KITTI的点云里有些点的坐标是nan或者inf这些点如果不处理后面投影的时候会污染整个结果。用np.isfinite可以快速过滤。加载图像的时候要注意KITTI的图像是PNG格式用OpenCV的imread读取即可。但要注意通道顺序OpenCV默认是BGR如果你后面要用matplotlib显示需要转成RGB。另外KITTI的图像尺寸是1242x375宽x高这个尺寸是固定的你可以硬编码但更好的做法是从图像本身读取避免不同子集尺寸不一致。3.2 点云着色与可视化技巧点云投影到图像之后最直观的验证方式就是给点云上色。具体做法是对于每个成功投影的点取它在图像上对应位置的像素颜色然后把这个颜色赋给点云。这样你在三维可视化工具里看到的就是一个带颜色的点云颜色和图像是对应的。这个操作看起来简单但有几个细节要注意。第一投影后的像素坐标是浮点数你需要取整才能索引图像。取整方式用np.round比直接截断要好因为截断会引入系统性偏移。第二多个点可能投影到同一个像素这时候你取哪个点的颜色通常的做法是取深度最小的那个点因为它离相机最近最可能是图像上看到的那个物体。def colorize_point_cloud(points_velo, image, calib_data, camera_id2): 用图像给点云着色 pts_2d, depth, valid_mask project_velo_to_image( points_velo, calib_data, camera_id ) # 初始化颜色数组 colors np.zeros((points_velo.shape[0], 3), dtypenp.uint8) # 只处理有效点 valid_pts_2d pts_2d[valid_mask] valid_depth depth[valid_mask] valid_indices np.where(valid_mask)[0] # 取整 u np.round(valid_pts_2d[:, 0]).astype(int) v np.round(valid_pts_2d[:, 1]).astype(int) # 边界检查 h, w image.shape[:2] in_bounds (u 0) (u w) (v 0) (v h) # 取颜色 colors[valid_indices[in_bounds]] image[v[in_bounds], u[in_bounds]] return colors这段代码的核心思路是先投影、再过滤、最后取色。我特意把边界检查放在取色之前因为如果u或v越界直接索引图像会报错或者取到错误的值。3.3 融合数据的保存与复用处理完的数据如果每次都要重新算一遍效率太低。我通常会把融合后的结果保存成.npz文件里面包含点云坐标、颜色、深度、以及对应的图像路径。这样下次用的时候直接加载省去重复计算。保存的时候要注意.npz文件是压缩的如果点云很大压缩过程会耗时。你可以选择不压缩np.savez而不是np.savez_compressed用空间换时间。另外保存的路径最好和原始数据保持一致的目录结构方便批量处理。提示如果你要做批量处理建议先用一个小场景比如只有几十帧的跑通整个流程确认没问题了再上全量数据。我见过有人直接跑全量结果跑到一半发现标定文件解析错了白等了好几个小时。4. 常见问题排查与性能优化4.1 投影错位的排查思路投影错位是KITTI处理中最常见的问题表现就是点云投影到图像上之后明显和图像里的物体对不上。排查的时候按以下顺序检查第一检查标定文件是否解析正确。把解析出来的矩阵打印出来和原始文件对比。特别注意R0_rect是否被正确解析成了3x3而不是被错误地当成3x4。第二检查矩阵乘法的顺序。正确的顺序是先乘Tr_velo_to_cam再乘R0_rect最后乘P。顺序错了结果肯定不对。第三检查齐次坐标的归一化。投影后的齐次坐标要除以第三个分量w很多人忘了这一步或者除错了分量。第四检查图像尺寸。如果你用的图像是裁剪过的但标定参数是按原始尺寸给的那投影坐标就会偏移。确保图像尺寸和标定参数匹配。4.2 点云读取速度优化KITTI的点云文件虽然不大但如果你要处理几千帧读取速度就成了瓶颈。我实测过几种读取方式读取方式耗时单文件适用场景numpy.fromfile2-5ms推荐最快open struct.unpack50-100ms不推荐pandas.read_csv200ms完全不适用内存映射1-2ms大文件批量处理numpy.fromfile是最优解没有之一。如果你需要进一步加速可以考虑用多进程并行读取。Python的multiprocessing模块配合Pool可以把读取速度再提升几倍。但要注意多进程读取的时候每个进程要独立打开文件不能共享文件句柄。4.3 常见错误速查表错误现象可能原因解决方法点云投影后完全偏移矩阵乘法顺序错误按Tr→R0→P的顺序重新检查部分点云投影到图像外未做边界过滤添加u,v范围检查点云颜色全黑像素索引越界或取整错误检查round和边界条件读取点云报错维度假设错误先探测文件大小再确定维度标定解析报错矩阵形状不匹配按key分别处理不同形状内存溢出一次性加载太多帧分批加载或使用生成器4.4 批量处理的工程化建议如果你要处理整个KITTI数据集几千帧建议把代码组织成模块化的形式。我通常分成三个模块数据加载模块、坐标转换模块、可视化与保存模块。每个模块独立测试确认没问题了再串联起来。另外强烈建议加日志。每处理完一帧就输出一条日志记录帧号、耗时、是否有异常。这样跑批量任务的时候你能随时知道进度出错了也能快速定位是哪一帧的问题。import logging import time logging.basicConfig( levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s, handlers[ logging.FileHandler(kitti_process.log), logging.StreamHandler() ] ) def process_sequence(seq_path): 处理一个完整场景 frame_files sorted(os.listdir(os.path.join(seq_path, velodyne))) for idx, frame_file in enumerate(frame_files): start_time time.time() try: # 加载数据 points read_kitti_point_cloud( os.path.join(seq_path, velodyne, frame_file) ) # ... 后续处理 elapsed time.time() - start_time logging.info(f帧 {idx} 处理完成, 耗时 {elapsed:.3f}s) except Exception as e: logging.error(f帧 {idx} 处理失败: {str(e)}) continue这套日志方案我用了很久最大的好处是出问题的时候不用猜直接看日志就知道哪一步卡住了。4.5 内存与显存的管理经验处理KITTI数据的时候内存管理是个容易被忽视的问题。一个场景的点云数据如果全部加载到内存里大概占几百MB。如果你同时加载多个场景内存很快就满了。我的做法是用生成器generator逐帧加载处理完一帧就释放一帧的内存。如果你用GPU做加速显存管理更要注意。点云投影到图像这个操作如果点云有十几万个点中间产生的矩阵乘法结果会占不少显存。建议用torch.no_grad()包裹推理过程并且及时用del释放不再使用的张量。提示如果你发现程序跑着跑着越来越慢大概率是内存泄漏。检查一下有没有在循环里不断往列表里追加数据但从不清理。用tracemalloc可以快速定位内存泄漏的位置。5. 从原始数据到训练样本的完整链路5.1 标注文件的解析与利用KITTI的标注文件是文本格式每行一个目标包含15个字段类别、截断程度、遮挡程度、观察角度、2D框坐标、3D框尺寸、3D框位置、旋转角等。解析的时候要注意不同类别的字段含义略有差异比如Van和Car的3D框定义就不完全一样。解析标注文件的核心是把每行文本转成结构化的数据。我通常用一个字典来存key是字段名value是对应的数值或字符串。这样后面用的时候直接按key取比按索引取要清晰得多。def parse_label_file(label_path): 解析KITTI标注文件 objects [] with open(label_path, r) as f: for line in f: parts line.strip().split() if len(parts) 15: continue obj { type: parts[0], truncated: float(parts[1]), occluded: int(parts[2]), alpha: float(parts[3]), bbox_2d: [float(x) for x in parts[4:8]], dimensions: [float(x) for x in parts[8:11]], location: [float(x) for x in parts[11:14]], rotation_y: float(parts[14]) } objects.append(obj) return objects5.2 数据增强在点云上的特殊处理图像的数据增强你随便翻转、旋转都没问题但点云不行。点云的旋转必须和图像同步否则投影就对不上了。而且点云的旋转是三维旋转不是简单的二维旋转。我常用的点云增强方式包括全局旋转绕Z轴、全局平移、全局缩放。这三种变换都可以用一个4x4的变换矩阵表示直接乘到点云坐标上就行。但要注意变换之后标定参数也要相应调整否则投影会错位。如果你要做更复杂的增强比如随机删除点、随机添加噪声那就不需要调整标定参数因为这些操作不改变点云的整体坐标系。5.3 训练样本的生成与验证生成训练样本的时候我建议同时保存一份可视化结果。具体做法是把点云投影到图像上用不同颜色标注不同类别的目标然后保存成图片。这样你可以在训练之前快速检查样本质量看看有没有标注错误或者投影错位。验证的时候重点看几个方面目标框是否和图像里的物体对齐、点云是否落在目标框内、不同类别的颜色是否区分明显。如果发现某个类别的样本特别少可以考虑做类别平衡或者数据增强。提示生成训练样本是个耗时的过程建议用多进程加速。但要注意多进程写文件的时候要避免文件名冲突可以用帧号加进程ID来命名。5.4 实际项目中的踩坑记录我在实际项目里踩过最大的坑是标定文件的时间戳对齐问题。KITTI的点云和图像虽然做了时间同步但严格来说还是有微小的时间差。如果你做的是高精度的融合任务这个时间差会导致投影偏移。解决办法是用时间戳做插值把点云和图像对齐到同一时刻。另一个坑是点云的反射强度。KITTI的点云第四个维度是反射强度但这个值的范围不是固定的不同场景、不同天气条件下差异很大。如果你要把反射强度作为特征输入网络一定要做归一化否则网络很难收敛。还有一个坑是图像的畸变。虽然KITTI的图像已经做了校正但严格来说还是有残余畸变。如果你做的是高精度测量需要考虑这个因素。不过对于大多数检测和分割任务这个影响可以忽略。6. 工具链选型与效率提升6.1 常用工具库的对比与选择处理KITTI数据你不需要从头造轮子。以下几个库我实测下来比较靠谱工具库主要功能优点缺点numpy数值计算快、通用需要自己写转换逻辑OpenCV图像处理功能全点云支持弱Open3D点云处理可视化强安装包大mayavi三维可视化效果好依赖多、难装pytorch3d可微渲染适合深度学习学习曲线陡我的建议是核心的坐标转换用numpy手写保证可控性可视化用Open3D简单够用如果要做深度学习再用pytorch3d做可微渲染。6.2 可视化调试的实用技巧调试投影问题的时候最有效的方法是把投影结果叠加到图像上显示。具体做法是用OpenCV的circle或drawMarker在图像上画出投影点然后用imshow显示。如果投影正确你会看到点云形成的轮廓和图像里的物体完全重合。另一个技巧是用不同颜色表示深度。深度小的点用暖色红、黄深度大的点用冷色蓝、绿。这样你一眼就能看出点云的远近分布是否合理。import cv2 def visualize_projection(image, pts_2d, depth, valid_mask): 可视化点云投影结果 vis_img image.copy() valid_pts pts_2d[valid_mask] valid_depth depth[valid_mask] # 深度归一化到0-255 depth_norm (valid_depth - valid_depth.min()) / \ (valid_depth.max() - valid_depth.min() 1e-6) depth_norm (depth_norm * 255).astype(np.uint8) # 用颜色映射 colormap cv2.applyColorMap(depth_norm, cv2.COLORMAP_JET) for i, (u, v) in enumerate(valid_pts): color colormap[i, 0].tolist() cv2.circle(vis_img, (int(u), int(v)), 1, color, -1) return vis_img6.3 批量处理的并行化方案如果你要处理整个KITTI数据集串行处理可能要几个小时。用多进程并行可以把这个时间缩短到几十分钟。Python的multiprocessing.Pool是最简单的方案但要注意几个问题第一每个进程要独立打开文件不能共享文件句柄。第二进程数不要超过CPU核心数否则反而会变慢。第三如果处理结果要写文件要避免文件名冲突。from multiprocessing import Pool def process_single_frame(args): 处理单帧的包装函数 seq_path, frame_idx args # ... 处理逻辑 return result def batch_process(seq_paths, num_workers4): 批量处理多个场景 tasks [] for seq_path in seq_paths: frame_files sorted(os.listdir(os.path.join(seq_path, velodyne))) for idx in range(len(frame_files)): tasks.append((seq_path, idx)) with Pool(num_workers) as pool: results pool.map(process_single_frame, tasks) return results这套并行方案我实测下来4个进程比单进程快3倍左右效率提升很明显。6.4 数据格式转换的注意事项有时候你需要把KITTI数据转成其他格式比如COCO、YOLO或者自定义的格式。转换的时候要注意几点第一坐标系的差异。KITTI的2D框是左上角加宽高COCO是左上角加宽高YOLO是中心点加宽高归一化。转换的时候要仔细核对。第二类别的映射。KITTI的类别有Car、Van、Truck、Pedestrian、Person_sitting、Cyclist、Tram、Misc、DontCare等。不同任务需要的类别可能不一样要提前确定映射关系。第三忽略区域的标注。KITTI的DontCare区域在训练的时候通常要忽略转换的时候要保留这个信息否则会引入噪声。提示格式转换之后一定要做可视化验证随机抽几帧看看转换结果是否正确。我见过有人转换完之后没检查训练的时候才发现框全偏了白白浪费了几天时间。7. 从处理到应用的延伸思考7.1 点云与图像融合的典型应用场景处理好的KITTI数据可以用在很多任务上。最常见的是三维目标检测输入点云和图像输出三维边界框。这个任务的核心难点是如何把图像的语义信息和点云的几何信息有效融合。另一个场景是深度补全。KITTI的点云是稀疏的图像是稠密的。你可以用图像引导点云做深度补全得到稠密的深度图。这个技术在自动驾驶的障碍物检测里很有用。还有语义分割、实例分割、视觉里程计等任务都可以基于KITTI数据做。关键是你要根据任务的特点选择合适的融合策略。前融合在输入层融合、后融合在输出层融合、中间融合在特征层融合各有优劣需要根据具体任务来选。7.2 处理流程的自动化与工程化如果你要把这套流程用到实际项目里自动化是必须的。我通常会把整个流程封装成一个命令行工具输入是数据目录输出是处理好的样本。中间的所有步骤都自动完成不需要人工干预。工程化的时候要注意几点第一加错误处理和重试机制避免因为单个文件的问题导致整个任务失败。第二加进度条让用户知道处理到哪了。第三加配置文件把常用的参数比如相机编号、过滤距离、输出路径抽出来方便调整。7.3 我个人的一些经验体会处理KITTI数据这么多年我最大的体会是不要急着写代码先把数据结构和标定原理搞清楚。我见过太多人一上来就写加载代码结果写到一半发现坐标系搞错了又得推倒重来。另外可视化是调试的最好工具。不管是投影错位还是标注错误只要可视化出来一眼就能看出问题。我建议每处理完一步都做一次可视化确认没问题了再进行下一步。最后KITTI虽然是个老数据集但它的处理逻辑和工程实践对理解自动驾驶感知系统非常有帮助。你把KITTI吃透了再去看其他数据集比如nuScenes、Waymo会发现很多概念是相通的。这个学习曲线虽然陡但值得爬。
