تلعب خوارزميات اقتراح المناطق دورًا مهمًا في معظم شبكات الكشف عن الأشياء ذات المرحلتين المتطورة، حيث تفترض مواقع الأشياء في الصورة. ومع ذلك، فإن خوارزميات اقتراح المناطق معروفة بأنها العقبة الرئيسية في معظم شبكات الكشف عن الأشياء ذات المرحلتين، مما يزيد من وقت المعالجة لكل صورة ويؤدي إلى شبكات بطيئة غير مناسبة لتطبيقات الوقت الحقيقي مثل مركبات القيادة الذاتية. في هذا البحث، نقدم RRPN (خوارزمية اقتراح المناطق الزمنية الحقيقية المستندة إلى الرادار) للكشف عن الأشياء في مركبات القيادة الذاتية. تقوم RRPN بتوليد اقتراحات الأشياء من خلال رسم كشوفات الرادار على نظام الإحداثيات للصورة وإنشاء صناديق مرتكزة محددة مسبقًا لكل نقطة كشف تم رسمها من الرادار. ثم يتم تحويل وتوسيع هذه الصناديق المرتكزة بناءً على بُعد الشيء عن المركبة، لتوفير اقتراحات أكثر دقة للأجسام المكتشفة. قمنا بتقييم طريقة عملنا على مجموعة البيانات NuScenes [1] الجديدة باستخدام شبكة الكشف عن الأشياء Fast R-CNN [2]. بالمقارنة مع خوارزمية اقتراح الأجسام Selective Search [3]، يعمل نموذجنا بأكثر من 100 مرة أسرع وفي نفس الوقت يحقق دقة وكفاءة استرجاع أعلى في الكشف. تم جعل الشيفرة البرمجية متاحة للعموم على الرابط: https://github.com/mrnabati/RRPN .