自动驾驶系统对细粒度感知的需求导致了近期对单扫描LiDAR在线语义分割的研究增加。尽管出现了新的数据集和技术进步，但这一领域仍面临三大挑战：（1）在有限的硬件条件下实现接近实时的延迟；（2）LiDAR点在空间上的分布不均，甚至呈长尾分布；（3）越来越多的极其细粒度的语义类别。为了同时应对上述所有挑战，我们提出了一种新的针对LiDAR、无需最近邻搜索的分割算法——PolarNet。该算法没有采用常见的球面投影或鸟瞰图投影，而是通过极坐标系下的极坐标鸟瞰图表示方法，在网格单元中平衡了点的分布，间接地使分割网络的注意力与沿径向轴的长尾分布点对齐。我们发现，这种编码方案在三个截然不同的真实城市LiDAR单扫描分割数据集中显著提高了平均交并比（mIoU），同时保持了接近实时的吞吐量。