环境感知能力一直是制约自动驾驶技术发展的瓶颈,基于单视觉传感器的环境感知方案具有极高的落地优势,一直是学术及产业界研究的热门。单视觉传感器下的环境感知主要包括目标的检测与分割,其中3D障碍物与车道是重要目标。获取前向障碍物的三维信息有利于车辆进行自主避让,对车道的感知有利于车道的行驶路线规划,同时通过车道检测分割能够将3D障碍物定位在不同车道上,并依据车道对其进行威胁分级从而过滤掉大量无效目标。目前的难点在于:（1）如何将3D目标检测与实例分割融入一个框架,同时解决两个任务;（2）如何提高障碍物实例分割的速度,能达到3D目标检测的速度水平。本文主要针对上述问题,提出了一个实时框架,通过深度维度同时分割和检测三维物体,同时将车道线的检测与车道的分割设置为并行任务,提高了检测与分割的速度。以下的几个方面是本文的主要工作:（1）将3D目标检测拆解为四个并行的子任务,2D检测、实例级深度估计、3D中心位置估计和3D角点估计。通过解决子任务间接进行3D检测,输出目标的3D信息。实验结果证明了拆分任务后,子任务可以并行完成,相对于其他两阶段、双目等方法大大提升了检测速度,同时保证了检测精度。（2）提出了一种基于空间离散的实例分割方法,将实例任务拆解为像素级深度估计任务与实例级深度估计任务,最后通过后处理部分将像素聚类到每一个实例中。实验结果表明此方法在速度上有了较大提升。（3）设计了一种同时进行车道线检测与像素分割的方法,并将车道线二值化检测与车道像素实例分割结果结合起来,确定明确车道边界线。最后通过拟合间断部分成连续车道线,通过车道线将不同车道障碍物进行分级。