单目3D目标检测是自动驾驶领域的一个重要课题。现有的单目3D目标检测算法通常基于完全的深度学习方案。同时往往只针对训练样本数量较多的类别,如汽车（Car）等进行训练,而对于其他样本量少的类别,如骑自行车人（Cyclist）等不予过多关注,或者运用效果不甚理想。对于需要完成空间推理的网络而言,样本的数量对成功训练网络起到了极大的作用。即使采用数据增广等方式进行扩充,网络在检测2D时效果相对明显,但推理3D结果时往往收效甚微。而在实际的自动驾驶场景中,这些类别的正确检测同样至关重要。另一个方面,大多数的算法寄希望于网络能隐式地学习到二维图片至三维物体间的映射关系,而不太关注其中的成像约束。但显式地应用立体视觉几何约束也是3D目标检测的一个重要思路。因此,本文关注自动驾驶场景中样本量稀少的类别,针对上述问题,通过应用三维物体与二维图片的几何约束,提出一套独特的多阶段3D目标检测方案。做法主要包含两阶段,在第一阶段中采用2D目标检测算法获取物体的2D包围盒,在第二阶段中基于2D结果完成3D包围盒的推导。本文将第二阶段推导3D包围盒的属性继续拆分为两个步骤。其中第一步骤为利用视觉检索方法来回归3D包围盒的尺寸和朝向等属性,而第二步骤则基于前述2D结果和3D属性,通过立体视觉几何约束完成3D包围盒三维坐标的推导。最后融合两部分结果得到完整的3D包围盒表述。在第二阶段的第二步骤,本文实际上采用了三种推导3D结果的方式。通过构建几何约束的方式显示地应用成像关系,直接完成3D结果的推导,极大减少了对样本数据量的依赖,十分适用于样本量稀少的类别。最后,本文在自动驾驶数据集上验证了本文提出的方案,通过与榜单上现有的典型算法进行对比,验证了本文算法的有效性。