يُعد تجزئة السمة للسحابات النقطية عنصرًا أساسيًا في فهم المشهد بالنسبة للروبوتات والقيادة الذاتية. في هذه الورقة، نقدّم TORNADO-Net - شبكة عصبية لتجزئة السمة للسحابات النقطية ثلاثية الأبعاد من نوع LiDAR. ندمج استخراج ميزات من خلال عرض متعدد الزوايا (من الأعلى ونطاق الرؤية) مع بنية مُشفّر-مُفكّك مبنية على معمارية ResNet، إلى جانب كتلة سياقية مُبتكرة على شكل الماس. لا تأخذ الطرق القائمة على التصوير بعين الاعتبار عادةً أن النقاط المجاورة تنتمي غالبًا إلى نفس الفئة. وللتوظيف الأفضل لمعلومات الجوار المحلي وتقليل التنبؤات الضوضائية، نقدّم مزيجًا من خسائر التباين الكلي (Total Variation) وLoss Lovasz-Softmax وLoss التربيع الموزون (Weighted Cross-Entropy). كما نستفيد من حقيقة أن بيانات LiDAR تغطي مجال رؤية بزاوية 360 درجة، ونستخدم تقنية التعبئة الدائرية (circular padding). ونُظهر نتائج متميزة على مجموعة بيانات SemanticKITTI، بالإضافة إلى إجراء تقييمات كمية شاملة ونتائج تحليلية (ablation studies) مفصلة.