La detección y el rango de luz (LiDAR) se utilizan ampliamente en la percepción del entorno físico para completar tareas de detección y seguimiento de objetos. Los métodos y conjuntos de datos actuales se desarrollan principalmente para vehículos autónomos, los cuales no se pueden usar directamente para la percepción en la carretera. Este documento presenta un método de unión de nubes de puntos en 3D para la detección de objetos con un amplio campo de visión horizontal (FoV) utilizando LiDAR en la carretera. En primer lugar, el modelo de detección base se entrena con el conjunto de datos KITTI y ha logrado una precisión de detección del 88.94. Luego, se puede inferir un nuevo rango de detección de 180 grados para romper la limitación del FoV de la cámara. Finalmente, se unen múltiples conjuntos de resultados de detección de un solo LiDAR para construir un rango de detección de 360 grados y resolver el problema de los objetos superpuestos. La efectividad del enfoque propuesto se ha evaluado utilizando el conjunto de datos KITTI y nubes de puntos recopiladas. Los resultados experimentales muestran que el método de unión de nubes de puntos ofrece una solución rentable para lograr un FoV más grande, y el número de objetos de salida ha aumentado en un 77.15% más que el modelo base, lo que mejora el rendimiento de detección de LiDAR en la carretera.