Genaue und zuverlässige 3D-Objekterkennung ist für sicheres autonomes Fahren von entscheidender Bedeutung. Trotz neuer Entwicklungen bleibt der Leistungsunterschied zwischen stereobasierten Methoden und LiDAR-basierten Methoden erheblich. Eine präzise Tiefenschätzung ist entscheidend für die Leistung stereobasierter 3D-Objekterkennungsverfahren, insbesondere für die Pixel, die mit Vordergrundobjekten verbunden sind. Darüber hinaus leiden stereobasierte Methoden unter einer hohen Varianz in der Genauigkeit der Tiefenschätzung, was oft im Objekterkennungspipeline nicht berücksichtigt wird. Um diese beiden Probleme anzugehen, schlagen wir CG-Stereo vor, einen vertrauensgeleiteten stereobasierten 3D-Objekterkennungspipeline, der während der Tiefenschätzung getrennte Dekoder für Vordergrund- und Hintergrundpixel verwendet und die Vertrauensschätzung aus dem Tiefenschätznetzwerk als Soft-Attention-Mechanismus im 3D-Objekterkennungsmodell nutzt. Unser Ansatz übertrifft alle aktuellen stereobasierten 3D-Detektoren auf dem KITTI-Benchmark.