3D目标感知是自动驾驶汽车的关键,能够获得行车环境中周围的车辆、行人等目标的深度、位置与运动轨迹信息,这对于自动驾驶系统的决策和规划任务至关重要。本论文基于单目视觉传感器,面向交通场景内的车辆目标进行3D检测与跟踪。以下是具体研究内容:（1）针对3D车辆检测问题,提出了一种二阶段级联式的3D车辆检测网络。在第一阶段,基于改进Res Net-34网络设计的特征融合模块,对输入图片进行特征提取与融合;获得融合特征图后,设计了一种3D属性回归模块进行参数回归。该模块包含五个分支,分别用来回归目标2D包围盒、目标局部朝向角、目标3D尺度、底面中心投影和视角类别等五类属性。针对单阶段网络回归得到的2D包围盒不够准确影响3D定位精度的问题,提出使用级联式网络框架,进而从参数回归模块优化得到的更为精准2D包围盒。在得到上述五类目标3D属性后,针对目标3D位姿求解耗时的问题,提出了使用级联的几何约束用于求解目标位姿:首先通过回归的目标2D包围盒和底面中心投影,结合单目相机小孔成像模型,建立了相似三角形几何约束得到大致的目标深度;接着构建3D-2D透视变换方程组,并以得到的目标粗略深度值作为初值,加速数值求解速度,并最终获得目标位姿。（2）3D车辆检测与3D车辆跟踪作为感知系统中的两个主要任务,存在密不可分的联系。针对Deep Sort方法匹配过程较为复杂,同时跟踪任务依赖于前一阶段输出检测结果的问题,提出了一种基于目标相似度匹配的3D车辆跟踪方法。首先在Deepsort方法的基础上搭建跟踪基本流程,通过设置算法中的超参数如目标消亡时间、最小匹配次数、车辆置信度阈值获得基本跟踪器;然后,通过前述检测模块得到的目标3D包围盒建立初始跟踪目标集合,通过卡尔曼滤波在当前帧对跟踪集合中的目标进行更新,同时采用匈牙利算法对当前帧的检测结果和跟踪结果进行匹配;基于提出的3D车辆检测网络,对属性回归模块增加相邻帧位移预测分支,并采用先前帧的检测和跟踪结果作为网络的额外输入,从而使得3D跟踪任务和3D检测任务能够并行执行。此外,由于网络输出当前帧目标相对前一帧位移,所提出方法仅通过采用贪心搜索方式即可进行跟踪目标和检测目标的匹配,而无需复杂的数据关联方法。通过上述方式,实现了对给定图像序列中的车辆进行3D检测和跟踪。（3）本研究采用KITTI数据集和nu Scenes数据集对提出方法进行了验证。对于3D检测任务,在KITTI数据集上对准确率,深度估计误差和方法耗时进行了分析,通过实验得出3D车辆检测平均准确度为32%,对比目标方法均取得了改善。对于3D跟踪任务,通过在KITTI和nu Scenes上的实验结果进行分析,得出在nu Scenes上3D车辆平均多目标跟踪准确率为27.8%,在KITTI上3D车辆平均多目标跟踪准确率为89.5%。在两个数据集上单帧3D车辆检测和跟踪联合耗时均小于100ms。综上,本研究所提出的方法具有较好的精度与速度的综合表现,具有应用于自动驾驶汽车上的潜力。