语义场景补全是根据单一视角预测场景的完整3D表示的任务，该表示包括体素占用及其对应的语义标签。以往基于RGB-D数据的语义场景补全研究要么仅使用深度信息，要么结合深度和颜色信息，通过将2D图像投影到3D体积中，从而生成稀疏的数据表示。在本工作中，我们提出了一种新的策略，利用边缘检测和翻转截断符号距离（flipped truncated signed distance）在3D空间中编码颜色信息。我们还介绍了EdgeNet，这是一种新的端到端神经网络架构，能够处理由深度和边缘信息融合生成的特征。实验结果表明，在真实数据上，我们的端到端方法比现有最佳结果提高了6.9%。