Semantische Segmentierung ist eine zentrale Komponente in den Wahrnehmungssystemen autonomer Fahrzeuge. In dieser Arbeit nutzen wir neuere Fortschritte sowohl in der Bild- als auch in der Punktwolken-Segmentierung, um die Genauigkeit bei der Segmentierung von LiDAR-Scans zu verbessern. KPRNet verbessert die architektonische Struktur von 2D-Projektionsmethoden und setzt KPConv ein, um die üblicherweise verwendeten Nachbearbeitungstechniken durch eine lernbare punktweise Komponente zu ersetzen, wodurch wir präzisere 3D-Labels erzielen können. Mit diesen Verbesserungen übertrifft unser Modell die derzeit beste Methode auf der SemanticKITTI-Benchmark und erreicht eine mIoU von 63,1.