自動運転において、車両や歩行者などの3次元物体検出は欠かせない役割を果たしています。既存の手法は、高精度な深度情報を得るために高価なLiDARセンサーに大きく依存しています。最近、コストが大幅に低い単なるステレオ画像に基づく擬似LiDARが有望な代替手段として導入されましたが、依然として顕著な性能差が存在します。本論文では、ステレオ深度推定の改善を通じて擬似LiDARフレームワークに大幅な進展をもたらします。具体的には、遠距離物体の正確な深度推定とより一致するようにステレオネットワークアーキテクチャと損失関数を適応させます --- これは現在、擬似LiDARの主要な弱点です。さらに、3次元検出には十分な情報提供ができないものの非常にスパースで安価なLiDARセンサーを使用して、深度推定のバイアスを解消するアイデアを探求します。私たちは初期の深度推定値によってガイダンスされる深さ伝播アルゴリズムを提案し、これらの少数の正確な測定値を全深度マップに広げます。KITTI物体検出ベンチマークでの実験結果から、私たちの統合アプローチは深度推定およびステレオ画像に基づく3次元物体検出において大幅な改善を示しており --- 遠距離物体に対する従来の最先端検出精度を超える40%の向上を達成しています。当該コードはhttps://github.com/mileyan/Pseudo_Lidar_V2で公開されています。