自动驾驶技术近年来广受关注,三维目标检测作为自动驾驶最重要的感知技术之一,随着深度学习的快速发展取得了重大突破。单目摄像头成本低且安装便捷,基于单目图像的三维目标检测受到了广泛的关注。但单目摄像头缺乏深度感知能力,导致相应检测算法的性能与基于其他传感器的检测算法的性能仍存在较大差距。本文针对自动驾驶场景中基于单目图像的三维目标检测进行深入研究,探讨了如何利用单目深度估计网络估计的深度图辅助单目图像三维目标检测,并从特征聚合和模态转换两个角度提出两种单目图像三维目标检测方法。针对当前特征聚合方法缺乏建模特征间长距离关系的能力的问题,本文提出一种具有深度感知能力的单目图像三维目标检测方法。首先提出了一种Transformer特征融合编码器聚合深度图和图像特征。随后引入深度不确定度,提出了一种用于深度预测的特征增强模块,在深度不确定度的引导下对用于深度预测的特征进行特征对齐;提出了一种深度感知的非极大值抑制算法,用于在后处理阶段保留更多高质量深度预测的物体框;提出了一种标签正则化方法,用以减少标签中“困难”样本对整体性能的影响。在国际著名自动驾驶数据集KITTI上的实验表明,该方法关于汽车的检测性能在中等难度上达到了 14.75%。针对当前模态转换方法模态差距大及受深度图误差影响大的问题,本文提出一种基于伪双目的单目图像三维目标检测方法。在深度图的辅助下,可在图像层面生成伪双目图像对或在特征层面生成伪双目特征对,并使用基于双目的三维目标检测网络完成三维目标检测任务。所提出的特征层面伪双目方法利用一种视差感知的动态卷积操作生成虚拟右特征,可以减缓深度图误差导致的特征退化问题并提升检测性能。截至提交时,该方法在KITTI数据集上关于汽车的检测性能在中等难度上达到了 17.74%。相比于主流的单目图像三维目标检测方法提升明显。