三维目标检测作为计算机视觉领域中重要的一部分,它在很多领域中起到了重要的作用,例如自动驾驶和智能机器人等领域。近些年,随着研究的不断深入,多个公开的三维目标检测数据集被提出,促进了三维目标检测技术的发展进步。基于三维视锥的方法是三维目标检测任务中一种具有代表性的方法,其通过二维目标检测框获取三维视锥点云数据,缩小了三维搜索空间。然而当前基于视锥的方法仍然存在特征提取能力不足和难以处理一个视锥中存在多个物体的问题,因此,本文主要从以下两个方面进行了改进:（1）本文提出了基于稀疏卷积的视锥三维目标检测算法。该算法采用了基于视锥的方法,缩小了三维目标检测的搜索空间,因此降低了网络训练的难度;同时该算法采用了稀疏卷积神经网络来提取视锥点云特征,增强了基于视锥的方法的特征提取能力,避免了对点云进行稠密体素化所带来的额外计算与存储开销。（2）本文提出了一种基于稀疏特征增强的视锥三维目标检测算法。考虑到同一个视锥中存在多个物体时会影响检测性能,本文设计了一种针对稀疏特征的感兴趣区域特征增强模块,用于加强视锥中前景物体的特征,降低其他物体对检测器的干扰;同时本文采用通道特征增强模块,根据网络输入特征自适应地调整各个通道的权重,提升了网络特征表达能力,使网络更易区分同一视锥中存在的不同物体。通过结合感兴趣区域特征增强模块以及通道特征增强模块,本文对视锥的稀疏特征进行了特征增强,使网络提取到了更具表达能力的特征,增强了网络的检测性能与鲁棒性。本文对基于视锥点云的三维目标检测任务进行了研究,并针对基于视锥的方法所存在的问题,提出了一种基于稀疏卷积特征增强的视锥三维目标检测算法。本文在两个公开的室外场景三维目标检测数据集中进行了实验验证,基于上述两个方面的改进,本文方法取得了有竞争力的检测性能,同时在推理速度与检测性能上取得了平衡,证明了本文方法的有效性。