人们对驾驶的安全性和便捷性要求不断提高,催生了自动驾驶领域的发展,而目标检测（尤其是三维目标检测）是实现自动驾驶目标的一个关键技术。现有的目标检测技术种类繁多,基于双目视觉的方案因其具有低成本、便于实现的特点,成为众多无人驾驶解决方案中的必选模块。我们在深入剖析现有双目视觉车辆检测算法的基础上,针对检测过程中出现的远景检测易漏检、三维车辆检测定位不准、遮挡车辆易漏检等问题提出了相应的解决方案,构建了一套新的基于双目视觉的三维车辆检测算法,主要研究工作包括以下几个方面:针对远景检测的漏检问题和三维车辆检测的定位不准问题,提出基于Det Net的三维车辆检测改进算法。引入Det Net网络作为骨干网络提取特征,保证小目标的特征图分辨率,提升检测系统在远景小目标检测的准确率;利用双目视图的关键点,重新划分左、右目关键点的训练权重,修正潜在关键点位置,提高车辆三维检测准确率。实验结果表明,与代表算法相比,所提方法在困难模式下二维检测准确率提升约2%,三维检测的准确率提升约1%。针对被遮挡车辆（尤其是邻近主视角造成部分车体显示）的漏检问题,本文提出一种面向部分车体检测增强的车辆检测算法。该算法构建了部分车体检测支路,输入自行构造的部分车体样本集训练,用于专门检测因遮挡等因素造成的车辆车体局部显示问题。支路网络与主干网络并行检测,将支路检测结果与主干网络的检测结果进行非极大值抑制,得到最佳候选区域,提高了对被遮挡车辆的检测准确性。实验结果表明,与代表算法相比,所提方法对困难模式的二维检测准确率提高约4%,三维检测的准确率提升约2%。