环境感知是工程车辆智能化的基础,检测路面的障碍并进行尺寸估计有助于规避潜在的危险,降低事故的风险。基于激光雷达的三维目标检测技术已日渐成熟,然而激光雷达昂贵的价格限制了相关技术在实际工业生产、生活中的落地。针对此问题,论文提出使用常见的单目摄像机替代昂贵的激光雷达。首先通过构建自监督的单目深度估计模型预测深度图,然后将其转换为伪点云,最后基于伪点云实现道路障碍的检测与尺寸估计。针对深度估计和伪点云数据转换过程中存在的问题,论文提出了相应的改进方法,主要的贡献点如下:第一,针对自监督单目深度估计中缺少全局监督信息的问题,提出了一种基于特征点匹配和几何视图关系的伪标签自动生成方法。该方法可同时生成伪采样网格标签和伪位姿标签。其中,伪采样网格标签可用于直接计算与采样网格的损失;而通过论文设计的双流位姿估计网络,可将伪位姿标签和网络生成的位姿一起用于训练,使模型同时学习到基于网络的信息和基于几何的信息。论文提出的伪标签自动生成方法能够为自监督单目深度估计模型提供全局的监督信息,使模型学习到更多全局的结构和几何信息。第二,针对自监督的单目深度估计方法中低纹理区域内存在深度位置偏移的问题,提出了一种基于采样网格引导的深度正则方法。利用采样网格理想情况下在低纹理区域内呈均匀分布、错误的深度估计会打破这种理想分布的特点,使用采样网格放大深度位置偏移问题,从而对深度进行正则。论文提出的深度正则方法能够有效缓解低纹理区域内的深度位置偏移问题。第三,在将深度图转换为伪点云数据的基础上,提出了基于V视差图的地平面提取方法,用于辅助高度特征的计算。论文从稠密的深度图生成伪点云数据。在降低传感设备成本的同时获得了更多的点云信息。同时,论文提出的基于V视差图的地平面提取方法能够自适应地提取地平面区域,解决固定范围的地平面区域不适用的问题。该方法能够有效过滤噪声数据,提高地平面拟合的准确性。