اكتشاف الأشياء مثل السيارات والمشاة في الفضاء ثلاثي الأبعاد يلعب دورًا لا غنى عنه في القيادة الذاتية. تعتمد الأساليب الحالية بشكل كبير على أجهزة الاستشعار المكلفة مثل ليدار (LiDAR) للحصول على معلومات دقيقة عن العمق. بينما تم تقديم ليدار الوهمي مؤخرًا كبديل واعد، بتكلفة أقل بكثير باستخدام الصور الثنائية فقط، لا تزال هناك فجوة أداء ملحوظة. في هذا البحث، نقدم تحسينات كبيرة ل إطار عمل ليدار الوهمي من خلال تحسين تقدير العمق الثنائي. بشكل ملموس، نقوم بتكييف هندسة الشبكة الثنائية ودالة الخسارة لتكون أكثر توافقًا مع تقدير العمق الدقيق للأجسام البعيدة --- وهي الضعف الرئيسي الحالي لليدار الوهمي. علاوة على ذلك، نستكشف فكرة استخدام أجهزة استشعار ليدار رخيصة ولكن متفرقة للغاية، والتي توفر بمفردها معلومات غير كافية لاكتشاف الأجسام ثلاثية الأبعاد، لإزالة التحيز من تقدير العمق الخاص بنا. نقترح خوارزمية انتشار العمق، التي تُرشد بواسطة تقديرات العمق الأولية، لنشر هذه القياسات الدقيقة القليلة عبر الخريطة الكاملة للعمق. نظهر على مقاييس كيتتي لاكتشاف الأشياء أن نهجنا المجمع يؤدي إلى تحسينات كبيرة في تقدير العمق واكتشاف الأشياء ثلاثية الأبعاد بالاعتماد على الصور الثنائية --- حيث يتفوق على دقة الكشف السابقة لأفضل التقنيات الموجودة بنسبة 40% للأجسام البعيدة. يمكن الحصول على شفرتنا البرمجية من https://github.com/mileyan/Pseudo_Lidar_V2.