该文综述雷达与相机融合的深度估计及三维检测研究：融合单目图像与雷达点云可提升深度精度；ClusterFusion通过雷达点云聚类提取局部特征，在nuScenes上达到48.7% NDS；SC-Depth利用无标注视频实现尺度一致的深度估计，并可集成SLAM；StableCamH借助物体高度先验实现尺度感知的单目深度估计。

该研究提出了一种基于深度学习的雷达摄像机三维物体检测方法，利用雷达和摄像机的互补性，在低能见度条件下生成准确的检测结果。该方法使用 ClusterFusion 架构，在 nuScenes 数据集的测试集中取得了最先进的性能。研究还探索了不同雷达特征提取策略在点云聚类上的性能，发现手工策略提供了最佳的性能。