يُعد كشف الأجسام ثلاثية الأبعاد باستخدام عدسة واحدة مشكلة رئيسية للمركبات ذاتية القيادة، نظرًا لأنها توفر حلًا بتهيئة بسيطة مقارنة بالنظم متعددة الحساسات التقليدية. تكمن التحدي الرئيسي في الكشف ثلاثي الأبعاد باستخدام عدسة واحدة في التنبؤ بدقة بعمق الجسم، والذي يجب استخلاصه من علامات الجسم والمشهد نظرًا لعدم توفر قياس مباشر للمسافة. حاولت العديد من الطرق تقدير العمق مباشرة لمساعدة الكشف ثلاثي الأبعاد، لكنها أظهرت أداءً محدودًا ناتجًا عن عدم دقة العمق. يعتمد حلنا المقترح، الشبكة الموزعة حسب الفئة للعمق (CaDDN)، على استخدام توزيع فئوي للعمق المُقدَّر لكل بكسل، لنقل معلومات سياقية غنية إلى الفاصل الزمني المناسب للعمق في الفضاء ثلاثي الأبعاد. ثم نستخدم تقنية عرض الطيارة (Bird's-eye-view) الفعالة من حيث الحوسبة والكشف ثلاثي الأبعاد من المرحلة الواحدة لإنتاج مربعات الحدود النهائية. صُمِّمت CaDDN كنهج متكامل تمامًا وقابل للتفاضل، يُطبّق بشكل مباشر ونهائي لتقدير العمق والكشف عن الأجسام معًا. تم التحقق من أداء نهجنا على معيار كيتي (KITTI) للكشف عن الأجسام ثلاثية الأبعاد، حيث حصلنا على المرتبة الأولى بين الطرق المنشورة التي تعتمد على عدسة واحدة. كما قدمنا أول نتائج للكشف ثلاثي الأبعاد باستخدام عدسة واحدة على مجموعة بيانات وايماو المفتوحة الجديدة. ونُعلن عن إتاحة الشيفرة المصدرية لـ CaDDN.