La tecnología de detección de objetos tridimensionales es un componente esencial de los sistemas de conducción autónoma. Las técnicas existentes de detección de objetos 3D dependen en gran medida de sensores lidar costosos, lo que conlleva a un aumento de costos. Recientemente, la aparición de datos de nube de puntos Pseudo-Lidar ha abordado este problema de costos. Sin embargo, los métodos actuales para generar nubes de puntos Pseudo-Lidar son relativamente rudimentarios, lo que resulta en un rendimiento de detección subóptimo. Este documento propone un método mejorado para generar nubes de puntos Pseudo-Lidar más precisas. El método primero mejora la red de coincidencia estéreo para mejorar la precisión de la representación de la nube de puntos Pseudo-Lidar. En segundo lugar, fusiona datos reales de nube de puntos lidar de 16 líneas para obtener datos de nube de puntos Pseudo-Lidar Real más precisos. Nuestro método logra resultados impresionantes en el popular benchmark KITTI. Nuestro algoritmo alcanza una precisión de detección de objetos del 85,5% en un rango de 30 m. Además, las precisiones de detección para peatones y ciclistas alcanzan el 68,6% y el 61,6%, respectivamente.