先說，我自己沒用過 kitti dataset，但我有用過 Intel RealSense D435i 做過 SLAM 等應用，所以對深度攝影機、深度影像等略懂，以下簡單分享一些淺見。

(1) 回應問題1

其實我覺得你所找到的參考資料已說的很清楚了，當中有提到：

depth_map_value / real_depth = scale_factor

就如同你所知道的：深度圖是個三維的圖片，其中前兩維是圖片的大小，第三維是代表深度。圖片中儲存的深度並不代表實際的深度（或說距離）。舉例來說：如果你知道圖片上的某一點其值為 22，並不代表在那一點的距離為 22 公分或公尺，請參考下面深度圖的繪製方法的說明。

深度圖如何繪製？
(i) 由深度攝影機發射紅外線等來測量攝影機與物體的距離，單位可能為公分、公尺之類的，要依照你用的裝置來決定。

(ii) 為了繪製深度圖，會將實際的深度對應到圖片的灰階值域中。例如：假設我的攝影機能夠測量最近 0 公尺、最遠 100 公尺的深度，而我採用的圖片格式使用 8 bit 來表示深度，也就是說可表示的深度範圍為 0 ~ 255，若要依此繪製深度圖，我就必須將 0 公尺 ~ 100 公尺的深度，對應到 0 ~ 255 的數值範圍內，因此若是實際影像中某個點的距離為 0 公尺，則在圖片中的數值就會被設為 0 ，若是實際影像中某個點的距離為 100 公尺，則在圖片中的數值就會被設為 255 ，若是實際影像中某個點的距離為 50 公尺，則在圖片中的數值就會被設為 128 (估算) 。

計算公式如下：
圖片中的數值 = 255 / 100 * 實際距離

而上述公式中的 255 / 100 就是所謂的 scale factor。
當然如果是以 圖片中的數值 轉換成 實際距離 的話，scale factor 就會變成 100 / 255 。

所以再看回到參考資料的公式：

depth_map_value / real_depth = scale_factor

這樣應該會比較好理解了！depth_map_value 就是例子中的 圖片中的數值，real_depth 就是 實際距離，scale_factor 就是 255 / 100 。

不過要注意的是，我剛剛的例子中有兩個假設：
(i) 假設我的攝影機能夠測量最近 0 公尺、最遠 100 公尺的深度
(ii) 我採用的圖片格式使用 8 bit 來表示深度

如果 kitti dataset 所採用的規格與上述不同，則數值上需要再做調整。

(2) 回應問題2

如同我一開始提到的，我自己沒用過 kitti dataset 所以暫時無法提供協助。

(3) 回應問題3

首先，你已經有找到相關的資料了，只是你似乎沒有看懂，就如同上面舉的例子。我想會造成這樣的問題可能有幾個原因：
(i) 你的資訊或數學基礎不足：畢竟你也沒有描述你的自身背景，學過哪些東西、不懂的部份在哪，因此只能先下此結論。

(ii) 你缺乏資料統整的能力：網路上資料很多，只是很多時候這些資料是零碎的。很多時候網友可能只是順手寫個筆記，所以通常會針對寫作者本人的需求或正在製作的東西來撰寫內文，導致創作出來的內文跟你所要找尋的東西並不是 100% 相同，此時你需要從中擷取你覺得有用的資訊，東拼西湊來得出你所期待的結果。

以上僅供參考。