点云中的目标检测是许多机器人应用（如自动驾驶）的重要方面。本文研究了将点云编码为适合下游检测流水线的格式的问题。近期文献提出了两种类型的编码器：固定编码器通常速度快但牺牲了准确性，而从数据中学习得到的编码器则更加准确，但速度较慢。在本工作中，我们提出了一种新颖的编码器——PointPillars，该编码器利用PointNets学习垂直柱状（pillars）组织的点云表示。虽然编码后的特征可以与任何标准的2D卷积检测架构结合使用，但我们进一步提出了一种精简的下游网络。大量的实验表明，PointPillars在速度和准确性方面均大幅优于之前的编码器。尽管仅使用激光雷达，我们的完整检测流水线在3D和鸟瞰图KITTI基准测试中仍显著超越了现有方法，甚至超过了融合方法。这一检测性能是在以62赫兹运行的情况下实现的，比现有方法提高了2到4倍的运行时间效率。我们方法的一个更快版本在105赫兹时达到了与现有最佳方法相当的性能。这些基准测试结果表明，PointPillars是点云目标检测的一种合适的编码方式。