本文提出了一种基于伪激光雷达的物体三维检测方法，通过改进深度估计网络和损失函数，结合稀疏激光雷达数据，显著提升了远处物体的检测精度超过40%。研究还探讨了夜间深度估计、自监督学习和多传感器融合等技术，以改善低光照条件下的深度估计效果。

本研究提出了一种基于跨模态知识蒸馏的半监督训练框架，显著提升了单目三维检测性能。通过双向LiDAR-Radar融合框架解决了雷达数据稀疏性问题，并在多个数据集上表现优异。此外，研究探讨了雷达与激光雷达数据融合在恶劣天气下的物体检测能力，提出了相机-雷达知识蒸馏框架，进一步提升了检测性能。

本文研究了基于激光雷达点云的三维检测在自动驾驶感知系统中的重要性，并提出了LiDAR R-CNN作为第二阶段检测器，可以改进现有的三维检测器。LiDAR R-CNN采用了基于点的方法，解决了实时性和高精度性能的要求，并在实际中表现出普适性和优越性能。