Pseudo-LiDAR算法作为双目相机三维目标检测的通用算法之一，因其低成本的立体视觉方案及出色的适应性被广泛应用于在自动驾驶、机器人等领域。但该算法在预测物体边缘会产生过多畸变点从而导致目标与背景之间过渡区域估计误差大；且深度估计网络采用四分支结构，计算量大影响运行速度。对以上问题，将Pseudo-LiDAR算法中的Spatial Pyramid Pooling(SPP)四分支结构优化为单分支结构，提高运行速度；创新性构造高斯置信度滤波模块，滤除过渡区域误差大的数据；引入PointVoxel-RCNN(PV-RCNN)作为Pseudo-LiDAR算法中的三维目标检测网络，提升检测精度。在KITTI数据集上的实验结果表明，相较于原算法，在简单、中等和困难等级下的车辆目标三维检测平均精度分别提升了22.36%、26.48%和28.55%。