在基于点云的三维目标检测技术中,存在点云计算代价大,目标尺度差距大等问题,导致目标检测效率低。针对此问题,提出了一种基于融合采样和图网络的三维目标检测算法。首先,引入点云融合采样技术对原始点云进行采样,以降低计算复杂度;其次,利用K-NN算法对采样后的点云进行图构造,并引入子图采样来解决图卷积过平滑的问题;最后,通过特征交互更新图节点的特征,以提高网络的特征提取能力,从而达到提升目标检测效果的目的。本研究在KITTI3D数据集上进行实验,结果相较于基准模型Point-GNN,对汽车目标的检测精度提升了3.89%。在简单场景和中等难度场景下,骑行者目标的检测精度分别提升了6.60%和4.36%。