针对PointPillars算法对骑行者和行人等小目标检测精度较低的问题，提出一种基于点云特征增强的改进PointPillars算法。首先，通过增加环境密度感知采样与IFPS点云稀疏化，提高输入点云数据的质量；其次，在点云特征编码中引入阶梯ECA注意力机制，通过多层级的注意力引导增强点云特征，并在骨干网络中添加特征融合增强模块，加强不同层次特征图之间交互；最后，引入EMA注意力机制进一步增强特征图中的点云特征。基于KITTI数据集的实验结果表明：所提改进算法相较于原算法，对行人和骑行者在简单、中等、困难情境下的三维平均检测精度分别提升7.9百分点、8.6百分点、8.3百分点和4.0百分点、2.9百分点、3.8百分点，平均方向相似度分别提升7.5百分点、7.9百分点、5.9百分点和4.4百分点、5.2百分点、6.1百分点。