O algoritmo de detecção de objetos 3D baseado em dados de nuvem de pontos LiDAR é limitado pelo grande volume de dados, o que impede alcançar um equilíbrio entre velocidade e precisão. Este artigo propõe um algoritmo melhorado de detecção de objetos 3D chamado Pillar RCNN. Primeiramente, o espaço da nuvem de pontos do objeto é dividido em voxel grids, utilizando uma rede convolucional tridimensional baseada em convolução esparsa para transformar gradualmente os voxels em voxels colunares, quantificando a informação 3D em informação 2D densa. Em seguida, uma rede principal 2D é usada para extrair características, enquanto as características dos voxels em diferentes escalas da rede 3D são agregadas com a rede 2D por meio de um módulo de agregação de características multiescala, refinando ainda mais as caixas de detecção através da função de perda. O algoritmo é testado no conjunto de dados público KITTI, com velocidade de reconhecimento de 2,48 ms na plataforma de hardware RTX 2080Ti. Comparado ao algoritmo de referência PointPillars, a detecção de bicicletas de dificuldade média melhorou 13,34%, a detecção de carros em dificuldade difícil melhorou 8,85%, e os índices de precisão de detecção das outras categorias também melhoraram, alcançando um equilíbrio entre velocidade e precisão.

visão computacional; detecção de objetos 3D; voxel; convolução esparsa; agregação de características