Debido a la gran cantidad de datos de eco CSAR transportados por UAVs, es necesario transmitir los datos de eco originales a tierra para su procesamiento o implementar un posprocesamiento después del vuelo. Por lo tanto, es difícil utilizar la potencia de cómputo en el borde, como una computadora a bordo de un UAV, para implementar el procesamiento de imágenes. El algoritmo de retroproyección (BP) comúnmente utilizado y los algoritmos de imagen mejorados correspondientes requieren una gran cantidad de cálculos y tienen una velocidad de imagen lenta, lo que limita aún más la realización de imágenes 3D CSAR en nodos de borde. Para mejorar la velocidad de las imágenes 3D CSAR, este documento propone un método de imagen 3D CSAR adecuado para la computación en el borde. En primer lugar, el algoritmo mejorado Crazy Climber extrae crestas de pistas sinusoidales que representan los cambios de amplitud en el eco comprimido en rango. En segundo lugar, se obtienen perfiles bidimensionales (2D) de CSAR con diferentes alturas a través de la transformada inversa de Radon (IRT). En tercer lugar, se utiliza la transformada de Hough para extraer los puntos de intersección del círculo desenfocado a lo largo de las alturas en las direcciones X e Y. Finalmente, la extracción de la nube de puntos 3D se completa a través de un proceso de votación. En este documento, los métodos de detección de imágenes, como la extracción de crestas, IRT y la transformada de Hough, reemplazan el procesamiento de compensación de fase del método tradicional de imagen 3D BP, lo que reduce significativamente el tiempo de imagen 3D CSAR. La corrección y efectividad del método propuesto se verifican mediante los resultados de imagen 3D para los datos simulados de objetivos ideales y los datos crudos de vuelo en campo de CSAR de banda X transportados por un vehículo aéreo no tripulado de rotor pequeño (SRUAV). El método propuesto proporciona una nueva dirección para la rápida imagen 3D de nodos de borde, como aeronaves y terminales terrestres pequeños. La imagen se puede transmitir directamente, lo que puede mejorar la eficiencia de transmisión de información del Internet de las Cosas (IoT).