尽管当前大多数自动驾驶系统专注于基于本车传感器的感知方法，人们往往忽视了一种替代性思路：利用智能路侧摄像头将感知范围扩展至视觉盲区之外。我们发现，现有的以视觉为中心的鸟瞰图（bird’s eye view, BEV）检测方法在路侧摄像头数据上表现不佳。其根本原因在于，这些方法主要致力于恢复以相机中心为基准的深度信息，而随着距离增加，车辆与地面之间的深度差异迅速减小，导致深度估计失真。针对这一问题，本文提出一种简单而有效的解决方案——BEVHeight。其核心思想是：不再预测像素级深度，而是回归目标物体到地面的高度，从而构建一种与距离无关的建模方式，有效简化仅依赖摄像头的感知方法的优化过程。在多个主流路侧摄像头3D检测基准测试中，我们的方法显著超越了以往所有以视觉为中心的方法。代码已开源，地址为：https://github.com/ADLab-AutoDrive/BEVHeight。