为加强对小目标的感知，在F-PointNet网络的基础上，结合密集连接方法和高斯距离特征，提出了FDG-PointNet三维目标检测模型，融合高斯距离特征作为附加注意力特征，有效改善了F-PointNet网络实例分割准确率不高的问题，增强了对点云视锥体中的噪声的过滤；基于密集连接可以加强特征提取的特点，改进主干特征提取PointNet++网络，加强点云特征重用，缓解特征提取过程中对小目标的特征提取程度过低与梯度消失问题，提高三维目标边界框回归的准确性。研究结果表明：本文算法在简单、中等、困难三个难度等级下对汽车、行人、骑行人3种类别的检测整体优于基准方法 F-PointNet，在中等难度下对汽车、行人、骑行人的检测分别取得71.12%、61.23%、55.71%的平均检测精度，其中对行人检测提升最明显，在简单和中等难度下提升幅度分别达5.5%和3.1%。综上所述，本文的FDG-PointNet算法有效解决了F-PointNet中小物体检测的低准确性问题，具有较强的适用性。