在 3D 检测任务中，点云/体素数据不均匀地分布在3维空间中，不同位置的数据对任务本身起着截然不同的作用。然而，主流的 3D 检测主干网络，稀疏卷积网络，却在使用同样的方式处理所有的数据。不管是常规的稀疏卷积，还是流形稀疏卷积 (Submanifold Sparse Conv). 在本文中，我们提出了一种可以让网络聚焦到重要信息的稀疏卷积，焦点稀疏卷积 (Focal Sparse Conv). 该卷积可适用于纯雷达网络和多模态融合网络。该卷积可以直接用于现有的稀疏卷积网络，并首次验证了自适应的稀疏程度学习对 3D 检测任务的重要性。我们通过大量的实验在 KITTI, nuScenes, 以及 Waymo 数据集上验证了 Focal Sparse Conv 的有效性。我们的方法在 nuScenes test 榜单上取得了单模型 70.1% mAP 的精度，超过了此前公开发表的方法。