我们介绍了MonoPSR，这是一种利用提议和形状重建的单目3D目标检测方法。首先，基于针孔相机模型的基本关系，使用成熟的2D目标检测器生成每个场景中每个对象的3D提议。这些提议的3D位置非常准确，这大大降低了回归最终3D边界框检测的难度。同时，在以对象为中心的坐标系中预测点云，以学习局部尺度和形状信息。然而，关键挑战在于如何利用形状信息来指导3D定位。为此，我们设计了聚合损失函数，包括一种新颖的投影对齐损失（projection alignment loss），以在神经网络中联合优化这些任务，从而提高3D定位的准确性。我们在KITTI基准数据集上验证了我们的方法，在已发表的单目方法中取得了新的最先进结果，包括更具挑战性的行人和骑自行车者类别，并且保持了高效的运行时间。