对激光雷达点云进行密集标注仍然过于昂贵且耗时，难以应对数据量持续增长的挑战。尽管现有研究多集中于完全监督下的性能表现，但如何有效利用现实场景中更易获取的弱监督信号来开发高效方法，尚未得到充分探索。本文提出采用涂鸦（scribbles）方式对激光雷达点云进行标注，并发布首个基于涂鸦标注的激光雷达语义分割数据集——ScribbleKITTI。此外，我们提出一种流水线方法，以显著缩小使用此类弱标注时带来的性能差距。该流水线包含三项独立贡献，可与任意激光雷达语义分割模型结合使用，在仅依赖8%标注点的情况下，实现高达完全监督性能95.7%的准确率。本文的涂鸦标注数据及代码已开源，可通过 GitHub 仓库 github.com/ouenal/scribblekitti 获取。