Die Erkennung und Verfolgung von Fahrzeugen, die von Verkehrsüberwachungskameras erfasst werden, ist eine zentrale Komponente intelligenter Verkehrssysteme. In diesem Artikel wird eine neuartige Methode zur Detektion von 3D-Bounding-Boxes von Fahrzeugen vorgestellt. Unter Verwendung der bekannten Geometrie der überwachten Szene schlagen wir einen Algorithmus zur Konstruktion einer perspektivischen Transformation vor. Diese Transformation ermöglicht es uns, das Problem der Detektion von 3D-Bounding-Boxes auf die Detektion von 2D-Bounding-Boxes mit einem zusätzlichen Parameter zu vereinfachen. Dadurch können wir modifizierte 2D-Objektdetektoren basierend auf tiefen konvolutionellen Netzwerken nutzen, um 3D-Bounding-Boxes von Fahrzeugen zu erkennen. Bekannte 3D-Bounding-Boxes von Fahrzeugen können anschließend zur Verbesserung der Ergebnisse bei Aufgaben wie feinkörniger Fahrzeugklassifikation oder Fahrzeug-Re-Identifikation herangezogen werden. Die Genauigkeit unseres Detektors wird anhand der Geschwindigkeitsmessung auf dem BrnoCompSpeed-Datensatz mit dem bestehenden Stand der Technik verglichen. Unser Ansatz reduziert den mittleren Fehler bei der Geschwindigkeitsmessung um 22 % (von 1,10 km/h auf 0,86 km/h) und den Median-Fehler um 33 % (von 0,97 km/h auf 0,65 km/h), während gleichzeitig die Recall-Rate von 83,3 % auf 89,3 % steigt.