Permitir una percepción ambiental integral rápida y precisa para los vehículos representa un desafío importante. La detección de objetos y la estimación de distancia monocular son las dos tecnologías principales, aunque a menudo se utilizan por separado. Por lo tanto, es necesario fortalecer y optimizar la interacción entre ellas. El movimiento del vehículo u obstrucciones de objetos pueden causar variaciones repentinas en las posiciones o tamaños de las cajas de detección dentro de los datos temporales, lo que lleva a fluctuaciones en las estimaciones de distancia. Por lo tanto, proponemos un método para integrar un detector basado en YOLOv5-RedeCa, un rastreador Bot-Sort y un filtro de cambio de salto de anomalía. Esta combinación permite una detección y seguimiento más precisos de los objetos. El filtro de salto de anomalía suaviza las variaciones de distancia causadas por cambios repentinos en los tamaños de las cajas de detección. Nuestro método aumenta la precisión al tiempo que reduce las demandas computacionales, mostrando un rendimiento excepcional en varios conjuntos de datos. Es notable que, en el conjunto de datos KITTI, la desviación estándar de los resultados de rango continuo permanece consistentemente baja, especialmente en escenarios con múltiples obstrucciones u desapariciones de objetos. Estos resultados validan la efectividad y precisión de nuestro método en el manejo de tareas duales.